摘要
一种基于几何引导的流形神经算子变形场预测方法及其应用,用于快速预测不同零件在不同残余应力场函数下的变形场函数,其特征是:将零件几何网格化并建立几何图,通过神经网络映射到低维流形,获取几何特征信息Zg,将几何特征信息Zg和输入函数组合提取输入函数特征信息Zσ,进而通过融合几何特征信息,引导不同几何下变形场预测神经算子的学习,即,d(x)=f(x,Zg,Zσ),最终实现不同零件几何在不同输入函数下的变形场预测。本发明能够根据零件几何和输入函数,快速给出变形场,适用于几何优化、加工等对变形场快速预测需求的场景。
技术关键词
残余应力场
神经网络结构
编码器模块
力监测装置
节点特征
零件
结构件
坐标
关系
网格
点云
飞机
场景
物理
系统为您推荐了相关专利信息
人工神经网络
有限元计算结果
服务端
客户端
成形
神经网络搜索方法
节点特征
斯皮尔曼相关系数
融合策略
遗传算法
自动编码器
更新模型参数
游戏图像
字符
神经网络结构
概率预测方法
历史负荷数据
时间序列特征
高斯混合模型
电力负荷预测技术
自动生成方法
编码特征
融合特征
文本编码器
语义标签