摘要
本发明涉及领域,公开了一种数字化仿真模拟方法,包括以下步骤:S1:通过雅可比矩阵分解联立热场、电场与力场的控制方程,构建紧耦合求解器,采用牛顿‑拉夫森迭代法进行隐式求解,时间步长根据残差变化率自适应调整;S2:利用基于卷积神经网络和长短期记忆网络的代理模型,将仿真输出的温度场、应力场数据与实验测量点数据进行自动化比对,当误差超过预设阈值时,通过梯度下降法调整材料属性参数并重启仿真;S3:基于强化学习策略动态分配仿真任务至异构计算资源,所述策略通过定义状态空间、动作空间及奖励函数,优化任务拆分粒度与节点选择。本发明与现有技术相比优点在于,精度更高,成本更低,更加智能化。
技术关键词
仿真模拟方法
强化学习策略
仿真模拟系统
雅可比矩阵
动态资源分配
长短期记忆网络
梯度下降法
混合云平台
测量点
节点
资源分配策略
空间分布特征
热传导方程
应力场
分布式资源
可视化界面
模型误差
数据
参数
系统为您推荐了相关专利信息
机械臂坐标系
视觉定位模块
智能控制系统
边缘计算机
深度相机
相控阵天线
自动优化方法
波束控制码
多波束
强化学习策略
混合控制策略
强化学习策略
预测误差
深度确定性策略梯度
控制模块
微电网系统
深度强化学习算法
时间计数器
有功功率
节点
强化学习框架
景观构件
在线学习机制
卷积神经网络模型
标签