摘要
本发明涉及形变预测技术领域,具体涉及一种基于三通道多维回归聚焦网络的天线蒙皮共固化形变预测方法,包括:设计三通道卷积神经网络特征提取层,通过差异化卷积核与池化策略实现多尺度特征融合,充分挖掘温度、压强、铺层构型等工艺参数的空间耦合特性。其次,引入长短期记忆网络建模工艺参数与形变间的复杂非线性关系,结合注意力机制聚焦层动态分配特征权重,使模型聚焦于影响较大的关键特征。采用鲸鱼优化算法全局搜索最优超参数组合,提升模型收敛效率与泛化能力。解决了多维特征提取不足和微小形变预测精度低的问题,显著提升了天线蒙皮共固化毫米级形变预测的准确性与稳定性,可为天线蒙皮共固化设计方案的快速验证提供辅助决策支持。
技术关键词
鲸鱼优化算法
三通道
蒙皮
注意力机制
非线性映射关系
天线
长短期记忆网络
随机森林模型
位置更新
保温时间参数
记忆单元
变量
超参数
多尺度特征融合
多尺度特征提取
数据编码
系统为您推荐了相关专利信息
前列腺MRI分割方法
多尺度
存储模块
深度学习网络
编码器
海上风电基础
人工智能模型
风机基础
非线性映射关系
深度卷积神经网络
大语言模型
微调方法
微调装置
注意力机制
微调系统
层次结构特征
跟踪方法
动态解码
状态空间模型
全卷积网络