摘要
本发明设计了一种基于物理信息神经网络的装配过程误差建模方法,实现了零部件装配过程中装配结合面受力变形的快速准确计算。零部件装配过程中,装配过程中的力是影响装配精度的重要因素。为了快速准确地预测零部件装配过程中的受力变形量,提升装配精度,该专利基于物理信息神经网络构建了零部件装配结合面受力变形的预测模型。在全连接神经网络结构的基础上,嵌入边界条件作为损失项来参与训练。通过最小化损失函数,使得该模型学习到装配结合面受力变形的规律,得到点坐标与点位移等物理量之间的映射关系,从而实现对装配结合面受力变形量的快速预测。
技术关键词
误差建模方法
神经网络结构
萤火虫算法
物理
神经网络模型
点云
网格
装配接合面
受力
方程
装配特征
应力
索引
自动微分技术
矩阵
数据
理论
坐标系
系统为您推荐了相关专利信息
乳腺癌分子亚型
超声图像数据
无监督学习
评估系统
多维特征分析
回声消除算法
对齐模块
降噪模型
状态检测功能
交叉注意力机制
数据传输方法
BP神经网络模型
接收机
无线自组网通信
冗余
母线槽
空间约束条件
结构仿真
三维点云数据
VR设备