-
公开(公告)号:CN119378397B
公开(公告)日:2025-04-25
申请号:CN202411542498.4
申请日:2024-10-31
Applicant: 东南大学
IPC: G06F30/27 , G06F17/16 , E04B1/35 , G06F119/14 , G06F111/10 , G06F111/04
Abstract: 本发明涉及一种基于物理信息神经网络的索杆张力结构主动控制方法及装置,所述方法包括以下步骤:获取随机生成的若干单元的作动量;计算施加预应力和所述作动量后结构的切线刚度矩阵,在该矩阵为正定矩阵时,使用物理信息神经网络拟合结构位移;基于拟合获得的位移最大值计算相应结构的单元内力,判断所获得的单元内力和位移最大值是否满足约束条件,若满足,则计算损失函数值,进一步判断是否已达到最大迭代次数,在下一次迭代中以损失函数值引导物理信息神经网络的迭代过程;将历次迭代中拟合的结构最小位移对应的作动量作为最终所需结果,基于最终所需结果实现主动控制。与现有技术相比,本发明具有计算效率高、适用范围广泛等优点。
-
公开(公告)号:CN119358185B
公开(公告)日:2025-03-18
申请号:CN202411929772.3
申请日:2024-12-26
Applicant: 东南大学
IPC: G06F30/18 , G06F30/27 , G06F30/23 , G06T17/20 , G06N3/0985 , G06F111/10 , G06F111/04 , G06F111/08 , G06F119/02 , G06F119/14
Abstract: 本发明涉及一种基于两阶段优化深度神经网络的张拉整体找形方法,包括以下步骤:根据节点残余力、索杆单元的杆件长度和节点距离构建张拉整体结构的约束方程,将该约束方程作为深度神经网络的损失函数;以随机生成的所述索杆单元的节点坐标向量作为所述深度神经网络的输入,采用两阶段优化方式获得使所述损失函数值最小的索杆单元节点坐标向量输出值,基于所述索杆单元节点坐标向量输出值确定一稳态构型;循环获得多个稳态构型;判别各稳态构型的稳定性,获得满足几何稳定的稳定构型,完成张拉整体找形。与现有技术相比,本发明能够进行多稳态等复杂张拉整体结构的找形,结果可靠,找形过程不涉及复杂的结构有限元计算,找形效率高。
-
公开(公告)号:CN119378397A
公开(公告)日:2025-01-28
申请号:CN202411542498.4
申请日:2024-10-31
Applicant: 东南大学
IPC: G06F30/27 , G06F17/16 , E04B1/35 , G06F119/14 , G06F111/10 , G06F111/04
Abstract: 本发明涉及一种基于物理信息神经网络的索杆张力结构主动控制方法及装置,所述方法包括以下步骤:获取随机生成的若干单元的作动量;计算施加预应力和所述作动量后结构的切线刚度矩阵,在该矩阵为正定矩阵时,使用物理信息神经网络拟合结构位移;基于拟合获得的位移最大值计算相应结构的单元内力,判断所获得的单元内力和位移最大值是否满足约束条件,若满足,则计算损失函数值,进一步判断是否已达到最大迭代次数,在下一次迭代中以损失函数值引导物理信息神经网络的迭代过程;将历次迭代中拟合的结构最小位移对应的作动量作为最终所需结果,基于最终所需结果实现主动控制。与现有技术相比,本发明具有计算效率高、适用范围广泛等优点。
-
公开(公告)号:CN119358185A
公开(公告)日:2025-01-24
申请号:CN202411929772.3
申请日:2024-12-26
Applicant: 东南大学
IPC: G06F30/18 , G06F30/27 , G06F30/23 , G06T17/20 , G06N3/0985 , G06F111/10 , G06F111/04 , G06F111/08 , G06F119/02 , G06F119/14
Abstract: 本发明涉及一种基于两阶段优化深度神经网络的张拉整体找形方法,包括以下步骤:根据节点残余力、索杆单元的杆件长度和节点距离构建张拉整体结构的约束方程,将该约束方程作为深度神经网络的损失函数;以随机生成的所述索杆单元的节点坐标向量作为所述深度神经网络的输入,采用两阶段优化方式获得使所述损失函数值最小的索杆单元节点坐标向量输出值,基于所述索杆单元节点坐标向量输出值确定一稳态构型;循环获得多个稳态构型;判别各稳态构型的稳定性,获得满足几何稳定的稳定构型,完成张拉整体找形。与现有技术相比,本发明能够进行多稳态等复杂张拉整体结构的找形,结果可靠,找形过程不涉及复杂的结构有限元计算,找形效率高。
-
-
-