基于深度学习的大跨度网壳结构形态创建方法
授权
摘要
本发明公开了一种基于深度学习的大跨度网壳结构形态创建方法，该方法基于深度学习网络模型，发掘输入层大跨度网壳结构控制点几何特征变量和输出层结构应变能之间的最优映射关系，通过对预测值和大跨度网壳结构应变能实际值之间产生的误差进行反向传播来训练模型，实现大跨度网壳结构应变能最小的目标，最后使用ANSYS有限元软件对创建的大跨度网壳结构力学性能分析，并对薄弱区加强，实现力学性能优化。本发明通过数据训练实现自我学习，提高大跨度网壳结构形态优化效率和精度。
基本信息
专利标题 ：
基于深度学习的大跨度网壳结构形态创建方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114239330A
申请号 ：
CN202111283750.0
公开（公告）日 ：
2022-03-25
申请日 ：
2021-11-01
授权号 ：
CN114239330B
授权日 ：
2022-06-10
发明人 ：
伞冰冰王倩毋凯冬
申请人 ：
河海大学
申请人地址 ：
江苏省南京市江宁区佛城西路8号
代理机构 ：
南京经纬专利商标代理有限公司
代理人 ：
刘莎
优先权 ：
CN202111283750.0
主分类号 ：
G06F30/23
IPC分类号 ：
G06F30/23 G06F30/27 G06N3/04 G06N3/08 G06F119/14
相关图片
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/23
使用有限元方法或有限差方法
法律状态
2022-06-10 ：
授权
2022-04-12 ：
实质审查的生效
IPC(主分类) : G06F 30/23
申请日 : 20211101
申请日 : 20211101
2022-03-25 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN114239330A.PDF
PDF下载
