摘要
本发明属于超材料结构设计技术领域,旨在解决超材料结构设计依赖经验和手工调整的问题。提供了一种机械超材料结构正逆向融合设计与性能预测方法,设计N个原始超材料结构,提取N个结构参数和材料参数的组合;进行建模和仿真,获取N个特征参数组;构建包括前神经网络和后神经网络的双深度学习模型并基于上述数据进行训练;给定新的超材料结构的结构参数和材料参数的组合,以及所需达到的性能参数,如低频带隙值、泊松比等;在双深度学习模型中输入新的结构参数和材料参数的组合,基于前神经网络输出的特征参数判断是否达到所需的性能;若达到,则后神经网络输出重构后的最优原始材料结构。本发明能够降低超材料的设计复杂性。
技术关键词
机械超材料
性能预测方法
超材料结构
深度学习模型
泊松比
结构尺寸参数
结构设计技术
带隙
指标
定义结构
重构
数据
模块
特征值
吸声
分辨率
手工
基体
系统为您推荐了相关专利信息
上肢外骨骼
运动矢量信息
运动状态信息
更换绝缘子
深度学习算法
物料分选方法
深度学习模型训练
多标签
标签类别
注意力机制
数据传输模块
深度学习模型
预警机制
行人检测技术
红外传感器
识别分析方法
深度学习模型
不锈钢
计算机视觉
寿命预测模型
智能感知方法
融合特征
预测误差
深度学习模型
智能感知系统