摘要
本发明公开了一种基于谱特征编码网络的动力计算方法,包括:分析待求解动力问题对应的结构动力方程类型及模态参数;确定结构动力方程的输入变量,搭建谱特征编码层,将输入变量映射至与结构动力方程解相关的频谱空间;构建神经网络架构;基于结构动力方程的物理约束条件构造损失函数;在损失函数的约束下训练神经网络架构,对结构动力方程求解以响应动力计算。本申请通过将输入变量投影至结构动力方程频谱空间,多层感知机拟合该空间内具有明确物理含义的基函数,有效解决频谱偏差问题,提升高频结构动力方程的求解精度,降低神经网络的非线性拟合复杂度,使网络快速收敛、减少迭代次数以提升求解效率,为工程高频动力学问题提供高效求解思路。
技术关键词
动力计算方法
方程
多层感知机
编码
神经网络架构
变量
训练神经网络
参数
非线性
频率
场景
物理
运动
偏差
复杂度
周期性
表达式
拉索
系统为您推荐了相关专利信息
改进型卷积神经网络
故障诊断方法
故障特征提取
双向注意力
图像获取单元
墨盒模块
墨盒结构
传动组件
控制系统
距离传感器
智能数据采集器
推理规则
网络结构
增量学习算法
隐性特征
策略学习方法
视觉
接地模块
逻辑
Sigmoid函数