← 返回列表

一种基于改进深度算子网络的磁场快速计算方法

申请号: CN202410161664.X
申请人: 合肥工业大学
申请日期: 2024/2/5

摘要文本

本发明涉及深度算子网络技术领域,且公开了一种基于改进深度算子网络的磁场快速计算方法,确定模型和参数:首先确定建立的有限元模型类型以及结构参数,并基于这些参数进行网格剖分,在建立有限元模型时确定边界条件,包括磁场条件和材料参数。该基于改进深度算子网络的磁场快速计算方法,通过在深度算子网络的基础上,利用U‑net卷积神经网络提取相对磁导率信息,用两个全连接神经网络,提取边界条件和格点坐标信息,以哈达玛积的方式将相对磁导率和格点坐标进行融合,进一步提高预测精度,用变化的边界条件、网格顶点坐标和对应的有限元解构建训练集,经过训练后的网络能够快速预测未经训练边界条件下的电磁场分布。 搜索马 克 数 据 网

专利详细信息

项目 内容
专利名称 一种基于改进深度算子网络的磁场快速计算方法
专利类型 发明申请
申请号 CN202410161664.X
申请日 2024/2/5
公告号 CN117709170A
公开日 2024/3/15
IPC主分类号 G06F30/23
权利人 合肥工业大学
发明人 张宇娇; 赵志涛; 黄雄峰; 赵常威; 钱宇骋; 陈晔
地址 安徽省合肥市包河区屯溪路193号

专利主权项内容

1.一种基于改进深度算子网络的磁场快速计算方法,其特征在于:其操作步骤如下:S1、确定模型和参数:首先确定建立的有限元模型类型以及结构参数,并基于这些参数进行网格剖分;S2、边界条件的设定:在建立有限元模型时确定边界条件,包括磁场条件和材料参数;S3、有限元法求解磁场:采用有限元法求解各种工况条件下的磁场,获得磁场分布结果;S4、数据导出和整理:将每个有限元格点上的格点坐标、相对磁导率、磁感应强度、常数C和电流密度J数据导出,并划分为训练集和测试集;sS5、数据填充和预处理:将导出的数据进行处理,填充为正方形尺寸,以保证输入数据的格式合适,为后续神经网络模型的输入做准备,填充的数据采用原有数据中的第0个数据点的值;S6、神经网络设计:搭建分支网络1、分支网络2和主干网络的结构,包括全连接神经网络、U-net卷积神经网络,确定每层的神经元个数和参数配置;S7、神经网络训练:利用训练集进行神经网络的训练,选择损失函数、优化器以及激活函数参数;S8、模型评估:训练完成后,将模型应用于测试集,并通过归一化的平均绝对误差(NMAE)来评估模型的精度。