摘要
本发明公开了一种用于基于AEGCN‑Dynamiformer的冲击力时程响应预测方法、系统、存储介质及计算机设备,其中该预测方法包括以下步骤:S1、构建具有构件参数的数据库,构件参数包括几何参数、材料参数、边界荷载条件和冲击参数;S2、将数据库中的构件参数转化为图结构数据并进行归一化处理,以形成用于训练的数据集;S3、采用网神经网络提取结构拓扑特征,并采用特征融合模块将提取的结构拓扑特征和时序编码特征融合,以构建AEGCN‑Dynamiformer深度神经网络;S4、采用数据集对AEGCN‑Dynamiformer深度神经网络进行训练优化;S5、将待预测结构的参数输入训练优化好的AEGCN‑Dynamiformer深度神经网络,以生成对应冲击工况下的冲击力时程曲线。本发明可显著提升可靠度分析与参数优化研究效率。
技术关键词
响应预测方法
深度神经网络
拓扑特征
节点特征
冲击工况
编码特征
参数
门控制循环单元
编码器
计算机设备
执行存储器存储
时序特征
注意力机制
数据
融合特征
解码器
门控循环单元
前馈神经网络
脉冲特征
系统为您推荐了相关专利信息
评价准则
设备组
深度强化学习
拓扑特征
耦合特征
迁移学习模型
拓扑特征
错误识别方法
语义特征
神经网络模型
疾病预测方法
双编码器
节点特征
功能磁共振图像
网络