一种基于GAN和CNN-BPNN的湿颗粒介质力学特性预测方法

本发明属于机器学习与地面力学预测技术领域，公开了一种基于GAN和CNN‑BPNN的湿颗粒介质力学特性预测方法，包括以下步骤：采集机器人足部在湿颗粒介质地面运动的数据，并确定对结果影响最大的因素，确定对结果影响最大的因素；基于VOF模型建立高保真流‑固‑颗粒耦合仿真环境；使用GAN神经网络加强数据集分布；基于RFT模型进行物理公式推导；构建CNN‑BPNN神经网络模型，将推导的物理公式插入损失函数；利用搭建好的网络模型对数据进行预测。本发明采用上述一种基于GAN和CNN‑BPNN的湿颗粒介质力学特性预测方法，不仅提高了预测的准确性和效率，也为颗粒介质地面力学特性研究和工程应用提供了支持。