基于MHA增强的PINN-CNN目标冲击损伤云图预测模型建立方法

本发明为一种基于MHA增强的PINN‑CNN目标冲击损伤云图预测模型建立方法。包括如下步骤：采集数据：获取目标冲击条件数据集和损伤云图数据集，预处理后将数据划分为训练集、验证集和测试集；搭建基于CNN‑MHA神经网络算法的网络模型；将PINN物理约束模块融入搭建的网络模型，得到深度预测网络模型；更新深度预测网络模型超参数，得到最优模型；进行冲击损伤预测。本发明通过CNN实现损伤云图空间特征层次化表征，借助MHA机制捕捉损伤演化的时序关联与跨区域耦合效应，结合PINN引入的物理约束增强模型的泛化能力，实现在数据噪声大或缺失的复杂冲击条件场景下，从当前损伤状态到未来多时刻损伤云图的高精度预测，具有重要的工程应用价值。