一种基于深度神经网络的形变预测方法

本发明公开了一种基于深度神经网络的形变预测方法，包括：S1、使用有限元分析软件创建有限元模型；S2、对创建好的所述有限元模型施加载荷进行求解，得到位移和应变的模态振型图，并提取不同作用力下的应变和形变样本；S3、对应变和形变样本进行数据预处理；S4、根据应变和形变数据的特点，构建以ResNet为基础的形变预测网络；S5、训练形变预测网络，输入预处理后的三维数据进行训练，学习应变和形变之间的物理对应规律，根据两者之间关系预测形变。本发明利用深度神经网络强大的拟合和非线性学习能力，通过构建“应变‑形变”的样本对，使得网络学会平面物体的结构变化规律，克服传统公式推导计算所面临的冗长复杂等问题。