← 返回列表
一种基于深度学习的单层网壳构件替换最优顺序确定方法
摘要文本
本发明公开了一种基于深度学习的单层网壳构件替换最优顺序确定方法。该方法首先通过搭建深度前馈神经网络模型，生成单层网壳预替换构件的特征参数与对应的构件重要性系数之间的非线性关系；再基于重要构件后替换的原则，对深度前馈神经网络输出的构件重要性系数由小到大排序，得出构件最优替换顺序。本发明基于深度学习强大的数值分析能力和拟合能力，计算速度快，计算结果精度高。
申请人信息
- 申请人:河海大学
- 申请人地址:211100 江苏省南京市江宁区佛城西路8号
- 发明人: 河海大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的单层网壳构件替换最优顺序确定方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311354678.5 |
| 申请日 | 2023/10/18 |
| 公告号 | CN117350160A |
| 公开日 | 2024/1/5 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 河海大学 |
| 发明人 | 伞冰冰; 任高科; 俞凯翰 |
| 地址 | 江苏省南京市江宁开发区佛城西路8号 |
专利主权项内容
1.一种基于深度学习的单层网壳构件替换最优顺序确定方法，其特征在于，具体方法步骤如下：步骤1，确定预替换构件的特征参数；步骤2，建立深度前馈神经网络模型的数据集；步骤3，搭建适用于生成预替换构件和对应的构件重要性系数的非线性关系的深度前馈神经网络模型；步骤4，训练深度前馈神经网络模型；步骤5，利用训练完成的深度前馈神经网络模型，获得预替换构件对应的构件重要性系数，根据构件重要性系数由小到大的顺序对预替换构件进行排序，得到预替换构件的最优替换顺序。