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

AITNT
正文
推荐专利
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
申请号:CN202510672386
申请日期:2025-05-23
公开号:CN120541932A
公开日期:2025-08-26
类型:发明专利
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
1
基于深度强化学习的半导体制造设备分组工作方法及系统
评价准则 设备组 深度强化学习 拓扑特征 耦合特征
2
一种电磁散射特征驱动的SAR图像少样本目标识别方法
散射特征 拓扑结构特征 识别方法 节点特征 图像
3
BIM模型的图结构表示及模型错误识别方法及装置
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
4
学位预测系统的控制方法、装置及存储介质
预测系统 参数 模块 历史统计数据 变量
5
一种基于双编码器与扩散模型的脑疾病预测方法
疾病预测方法 双编码器 节点特征 功能磁共振图像 网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号