一种基于深度学习的结构断裂损伤模拟方法及系统

本发明属于结构断裂损伤模拟领域，为解决对复杂断裂行为的全流程预测精度依赖网络架构设计和优化算法，普适性有限的问题，提供了一种基于深度学习的结构断裂损伤模拟方法及系统。基于深度学习的结构断裂损伤模拟方法包括构建一神经网络模型并设置初始参数；基于样本集合及损失函数来优化所述神经网络模型的初始参数，得到训练后的神经网络模型；基于当前结构几何参数、材料参数、边界条件及初始裂纹信息，利用训练后的神经网络模型在结构域内预测裂纹的萌生、扩展与分叉合并，得到位移场、应力场与损伤演化结果。其能够通过引入多尺度、多物理场信息，增强模型对不同工况的适应性。