欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024105156772
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于内嵌物理信息图神经网络的结构模态计算方法,其特征在于,所述方法包括:对物理结构进行网格划分,得到图卷积神经网络的输入层节点特征以及邻接矩阵;所述物理结构为需要生成结构模态参数的物理结构;所述物理结构包括三维桁架;

以所述输入层节点特征以及邻接矩阵作为输入层数据,构造图卷积神经网络结构;

对图卷积神经网络的边界条件施加硬约束,以硬编码的形式嵌入第一物理信息使输出层的节点特征强制满足边界条件;

构造正交性模块,以嵌入第二物理信息使输出层的节点特征强制满足振型正交性条件;

基于满足边界条件以及振型正交性条件的节点特征,嵌入第三物理信息构造基于瑞丽商的损失函数;

根据所述损失函数迭代求解结构各阶模态振型和模态频率;

所述对物理结构进行网格划分,得到图卷积神经网络的输入层节点特征以及邻接矩阵包括:基于所述输入层节点特征以及邻接矩阵,构造图卷积神经网络的输入层输入数据;在所述图卷积神经网络的输出层后增加MLP层,形成包括输出入层、隐藏层、输出层以及MLP的图卷积神经网络结构;

所述输入层节点特征表示为:

式中,(xi,yi)表示第i个节点的坐标,i=1~5;

所述邻接矩阵表示为:

式中,若第i个节点与第j个节点位于同一个单元上,则第i行第j列的元素为1,若第i个节点与第j个节点不位于同一个单元上,则第i行第j列的元素为0;

所述对图卷积神经网络的边界条件施加硬约束,以硬编码的形式嵌入第一物理信息使输出层的节点特征强制满足边界条件包括:在节点特征中选取边界处节点的振型计算值;将所述边界处节点的振型计算值强制替换为边界处节点预设应满足的约束值,以硬编码的形式嵌入第一物理信息使输出层的节点特征强制满足边界条件;所述第一物理信息为节点需满足相应边界条件的物理信息;

所述边界条件包括第i个边界处的约束条件,其中第i个边界处的约束条件为第i个约束处的水平反力、竖向反力和弯矩;

所述构造正交性模块,以嵌入第二物理信息使输出层的节点特征强制满足振型正交性条件包括:基于施密特正交化方法对输出层的节点特征进行特征变换,以嵌入第二物理信息使变换后的输出层的节点特征强制满足振型正交性约束;所述第二物理信息为节点特征需满足相应振型正交性条件的物理信息;

基于施密特正交化方法对输出层的节点特征进行特征变换的计算过程表示为:式中,为强制满足边界条件处理后节点特征对应的第1阶,i+1阶振型值,为修改后的节点特征经过正交转换后的节点特征;为修改后的节点特征对应的第1阶、第i阶和第i+1阶振型在第j个单元的分量;Mj为第j个单元的单元质量矩阵;

所述基于满足边界条件以及振型正交性条件的节点特征,嵌入第三物理信息构造基于瑞丽商的损失函数包括:基于满足边界条件以及振型正交性条件的节点特征,生成节点特征矩阵;对所述节点特征矩阵进行变形,以使同阶振型在每个空间方向的计算值合并为同一列,得到变换节点特征矩阵;根据变换节点特征矩阵,嵌入第三物理信息构造基于瑞丽商的损失函数;所述第三物理信息为节点特征需满足相应瑞丽商的物理信息;

通过如下方式构造基于瑞丽商的损失函数:

获取网络输出层特征中与第j阶振型对应的节点特征分量,在利用所述节点特征分量计算结构以第j阶振型计算值振动时,对应的整体结构体系的势能如下:式中,Ej为第j阶振型计算值对应的结构体系的势能;Ej,i为第j阶振型计算值对应的结构第i个单元的势能;Ki为第i个单元的单元刚度矩阵;为第j阶振型计算值在第i个单元的分量;e为结构体系的单元数量式中,Vj为第j阶振型计算值对应的结构体系的动能;Vj,i为第j阶振型计算值对应的结构的第i个单元的动能;Mi为第i个单元的单元质量矩阵;

基于计算得到的势能和动能,通过如下公式得到结构以第j阶振型计算值振动时的瑞利商:若待求振型阶数为n,则损失函数中应包含1到n阶振型所对应的瑞利商,如式(10)所示:式中,λk为第k个约束所对应的权重系数。

2.根据权利要求1所述的方法,其特征在于,所述对物理结构进行网格划分,得到图卷积神经网络的输入层节点特征以及邻接矩阵包括:获取结构的待求模态阶次;

基于所述待求模态阶次,确定网格划分密度;

根据所述网格划分密度对物理结构进行网格划分,生成多个单元;

获取网格划分后各单元的结点位置坐标、以及单元和结点的拓扑关系;

根据所述结点位置坐标得到图卷积神经网络的输入层节点特征,根据所述单元和结点的拓扑关系,得到图卷积神经网络的邻接矩阵。

3.根据权利要求1所述的方法,其特征在于,所述根据变换节点特征矩阵,嵌入第三物理信息构造基于瑞丽商的损失函数包括:以各阶振型所对应的节点矩阵中节点特征计算结构体系的动能和势能;

基于所述势能和动能,得到结构以各阶振型振动时的瑞丽商的能量约束;

根据所述瑞丽商的能量约束、以及预设不同约束项对应的权重系数,构造损失函数。

4.根据权利要求1所述的方法,其特征在于,所述根据所述损失函数迭代求解结构各阶模态振型和模态频率包括:根据所述损失函数,迭代求解损失函数收敛到最小值时对应的结构各阶模态振型和模态频率。

5.一种基于内嵌物理信息图神经网络的结构模态计算装置,其特征在于,基于权利要求1至4中任一项所述的方法,所述装置包括:划分模块,用于对物理结构进行网格划分,得到图卷积神经网络的输入层节点特征以及邻接矩阵;所述物理结构为需要生成结构模态参数的物理结构;

核心构造模块,用于以所述输入层节点特征以及邻接矩阵作为输入层数据,构造图卷积神经网络结构;

第一物理信息嵌入模块,用于对图卷积神经网络的边界条件施加硬约束,以硬编码的形式嵌入第一物理信息使输出层的节点特征强制满足边界条件;

第二物理信息嵌入模块,用于构造正交性模块,以嵌入第二物理信息使输出层的节点特征强制满足振型正交性条件;

第三物理信息嵌入模块,用于基于满足边界条件以及振型正交性条件的节点特征,嵌入第三物理信息构造基于瑞丽商的损失函数;

迭代求解模块,用于根据所述损失函数迭代求解结构各阶模态振型和模态频率;

划分模块还用于基于所述输入层节点特征以及邻接矩阵,构造图卷积神经网络的输入层输入数据;在所述图卷积神经网络的输出层后增加MLP层,形成包括输出入层、隐藏层、输出层以及MLP的图卷积神经网络结构;

第一物理信息嵌入模块还用于所述对图卷积神经网络的边界条件施加硬约束,以硬编码的形式嵌入第一物理信息使输出层的节点特征强制满足边界条件包括:在节点特征中选取边界处节点的振型计算值;将所述边界处节点的振型计算值强制替换为边界处节点预设应满足的约束值,以硬编码的形式嵌入第一物理信息使输出层的节点特征强制满足边界条件;所述第一物理信息为节点需满足相应边界条件的物理信息;

第二物理信息嵌入模块还用于所述构造正交性模块,以嵌入第二物理信息使输出层的节点特征强制满足振型正交性条件包括:基于施密特正交化方法对输出层的节点特征进行特征变换,以嵌入第二物理信息使变换后的输出层的节点特征强制满足振型正交性约束;所述第二物理信息为节点特征需满足相应振型正交性条件的物理信息;

第三物理信息嵌入模块还用于所述基于满足边界条件以及振型正交性条件的节点特征,嵌入第三物理信息构造基于瑞丽商的损失函数包括:基于满足边界条件以及振型正交性条件的节点特征,生成节点特征矩阵;对所述节点特征矩阵进行变形,以使同阶振型在每个空间方向的计算值合并为同一列,得到变换节点特征矩阵;根据变换节点特征矩阵,嵌入第三物理信息构造基于瑞丽商的损失函数;所述第三物理信息为节点特征需满足相应瑞丽商的物理信息。

6.根据权利要求5所述的装置,其特征在于,划分模块还用于获取结构的待求模态阶次;基于待求模态阶次,确定网格划分密度;根据网格划分密度对物理结构进行网格划分,生成多个单元;获取网格划分后各单元的结点位置坐标、以及单元和结点的拓扑关系;根据结点位置坐标得到图卷积神经网络的输入层节点特征,根据单元和结点的拓扑关系,得到图卷积神经网络的邻接矩阵。

7.根据权利要求5所述的装置,其特征在于,第三物理信息嵌入模块还用于以各阶振型所对应的节点矩阵中节点特征计算结构体系的动能和势能;基于势能和动能,得到结构以各阶振型振动时的瑞丽商的能量约束;根据瑞丽商的能量约束、以及预设不同约束项对应的权重系数,构造损失函数。

8.根据权利要求5所述的装置,其特征在于,迭代求解模块还用于根据损失函数,迭代求解损失函数收敛到最小值时对应的结构各阶模态振型和模态频率。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。