摘要
本发明公开了一种基于CGPINNs的应力强度预测方法及装置,所述基于CGPINNs的应力强度预测方法包括基于中心差分增强物理信息神经网络建立输入层、隐藏层和输出层,构建物理信息神经网络模型;对物理信息神经网络模型进行性能评估;S2.通过损失函数的构建,计算PDE域内点残差并加权纳入损失函数,通过实验和分析不同权重对模型预测结果的影响,确定最优权重组合;S3.通过Adam算法优化对各向同性材料计算梯度的一阶矩估计和二阶矩估计,根据一阶矩估计和二阶矩估计调整每个参数的学习率,确定最优学习率和中心差分步长的最佳组合;S4.根据应力分布,预测复合材料的最大应力强度值;具有预测准确性高、稳定性高和泛化能力强等优点。
技术关键词
强度预测方法
神经网络模型
Adam算法
应力
物理
神经网络架构
横梁
复合材料
数据
电子设备
可读存储介质
方程
误差
训练集
参数
表达式
预测装置
加速度
存储器
系统为您推荐了相关专利信息
扭曲文档图像
构建卷积神经网络
矫正方法
卷积神经网络模型
网格
四冲程柴油机
融合方法
理想气体状态方程
物理
初始化系统
机载脉冲多普勒
深度神经网络模型
训练深度神经网络
图像
散射点
融合机器视觉
检测分类系统
涤纶丝
光电传感器阵列
流分类器
环境风险评估
对象
环境传感器
检测车辆周围环境
计算机程序指令