[發(fā)明專利]用于應(yīng)力分布預(yù)測(cè)的復(fù)合神經(jīng)網(wǎng)絡(luò)架構(gòu)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011448418.0
• 申請(qǐng)日: 2020-12-09
• 公開(kāi)（公告）號(hào): CN112949107A
• 公開(kāi)（公告）日: 2021-06-11
• 發(fā)明（設(shè)計(jì)）人: E.R.尼科德穆斯;S.雷
• 申請(qǐng)（專利權(quán)）人: 通用汽車環(huán)球科技運(yùn)作有限責(zé)任公司
• 主分類號(hào): G06F30/23
• 分類號(hào): G06F30/23;G06F30/27;G06N3/04;G06F119/14
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 許睿嶠

用于確定結(jié)構(gòu)應(yīng)力的神經(jīng)網(wǎng)絡(luò)架構(gòu)和方法。神經(jīng)網(wǎng)絡(luò)架構(gòu)包括第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)。第一神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的神經(jīng)元連接到第二神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的神經(jīng)元。第一數(shù)據(jù)集被輸入到第一神經(jīng)網(wǎng)絡(luò)。第二數(shù)據(jù)集被輸入到第二神經(jīng)網(wǎng)絡(luò)。來(lái)自第一神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)與來(lái)自第二神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)被組合。由組合的數(shù)據(jù)確定結(jié)構(gòu)的應(yīng)力。

技術(shù)領(lǐng)域

本公開(kāi)涉及神經(jīng)網(wǎng)絡(luò)架構(gòu)，其用于在固體結(jié)構(gòu)經(jīng)受機(jī)械、熱、電磁或其它形式的載荷時(shí)快速而準(zhǔn)確地預(yù)測(cè)應(yīng)力或任何其他數(shù)值分析值或被測(cè)輸出，例如位移、應(yīng)變、溫度、磁通量等，具體涉及用于預(yù)測(cè)承載結(jié)構(gòu)部件中的應(yīng)力分布的神經(jīng)網(wǎng)絡(luò)架構(gòu)。

背景技術(shù)

FEA(有限元分析)是一種數(shù)值分析技術(shù)，由結(jié)構(gòu)分析工程師利用用于計(jì)算結(jié)構(gòu)中的應(yīng)力分布并查找可能的失效位置。可以將von-Mises應(yīng)力與材料的屈服強(qiáng)度進(jìn)行比較以評(píng)估失效。同樣，可以通過(guò)將各種應(yīng)力參數(shù)(例如最大主應(yīng)力、最大剪切應(yīng)力、最大變化應(yīng)力或應(yīng)力參數(shù)的任意組合)與材料特性(例如屈服強(qiáng)度、極限強(qiáng)度、疲勞極限或材料特性的組合)進(jìn)行比較來(lái)評(píng)估失效。由于固有的工作流程涉及對(duì)結(jié)構(gòu)進(jìn)行網(wǎng)格劃分和求解控制微分方程，因此有限元分析過(guò)程對(duì)于復(fù)雜的結(jié)構(gòu)非常耗時(shí)。

與此不同，機(jī)器學(xué)習(xí)技術(shù)提供了針對(duì)應(yīng)力分析的對(duì)于FEA的快速和準(zhǔn)確替代，其可用于快速探索和優(yōu)化設(shè)計(jì)空間。但是，對(duì)于三維結(jié)構(gòu)，由于物理的復(fù)雜性以及充分捕獲復(fù)雜應(yīng)力分布及其與輸入?yún)?shù)的關(guān)系所需的模擬數(shù)據(jù)量，用于預(yù)測(cè)應(yīng)力分布的機(jī)器學(xué)習(xí)替代模型不實(shí)際。因此，期望提供一種可以在三維結(jié)構(gòu)中有效預(yù)測(cè)應(yīng)力的機(jī)器學(xué)習(xí)架構(gòu)。

發(fā)明內(nèi)容

在一個(gè)示例性實(shí)施例中，公開(kāi)了一種確定結(jié)構(gòu)的應(yīng)力的方法。第一數(shù)據(jù)集被輸入到第一神經(jīng)網(wǎng)絡(luò)。第二數(shù)據(jù)集被輸入到第二神經(jīng)網(wǎng)絡(luò)。來(lái)自第一神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)與來(lái)自第二神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)被組合。從組合數(shù)據(jù)確定結(jié)構(gòu)的應(yīng)力。

除了本文所述的一個(gè)或多個(gè)特征之外，組合數(shù)據(jù)還包括將來(lái)自第一神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的第i個(gè)神經(jīng)元的數(shù)據(jù)與來(lái)自第二神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的第i個(gè)神經(jīng)元的數(shù)據(jù)進(jìn)行組合。組合數(shù)據(jù)還包括標(biāo)量數(shù)學(xué)運(yùn)算和/或矩陣運(yùn)算中的至少一個(gè)。在各種實(shí)施例中，將第三數(shù)據(jù)集輸入到第三神經(jīng)網(wǎng)絡(luò)中，并且將來(lái)自第一神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)與來(lái)自第二神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)以及來(lái)自第三神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的數(shù)據(jù)進(jìn)行組合。該方法還包括：獲得結(jié)構(gòu)的應(yīng)力；將應(yīng)力分為依賴于空間坐標(biāo)的第一應(yīng)力分量和依賴于幾何形狀和載荷的第二應(yīng)力分量，以及將第一應(yīng)力輸入第一神經(jīng)網(wǎng)絡(luò)，將第二應(yīng)力輸入第二神經(jīng)網(wǎng)絡(luò)。第一數(shù)據(jù)集和第二數(shù)據(jù)集是相交數(shù)據(jù)集和非相交數(shù)據(jù)集之一。可以通過(guò)機(jī)械載荷、熱載荷和電磁載荷中的至少一種加載該結(jié)構(gòu)。該方法還包括確定結(jié)構(gòu)的應(yīng)變、結(jié)構(gòu)的位移、結(jié)構(gòu)的溫度、結(jié)構(gòu)的熱通量、結(jié)構(gòu)的磁通量、結(jié)構(gòu)的數(shù)值分析和結(jié)構(gòu)的測(cè)量輸出中的至少一項(xiàng)。在各實(shí)施例中，第一數(shù)據(jù)集和第二數(shù)據(jù)集中的一個(gè)是圖像或視頻數(shù)據(jù)集，并且第一數(shù)據(jù)集和第二數(shù)據(jù)集中的另一個(gè)是測(cè)量或數(shù)值數(shù)據(jù)集。在各種實(shí)施例中，第一神經(jīng)網(wǎng)絡(luò)和第二神經(jīng)網(wǎng)絡(luò)中的至少一個(gè)是卷積神經(jīng)網(wǎng)絡(luò)(CNN)、人工神經(jīng)網(wǎng)絡(luò)(ANN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)中的至少一個(gè)。結(jié)構(gòu)的應(yīng)力從單個(gè)輸出和多個(gè)輸出之一確定。

在另一個(gè)示例性實(shí)施例中，公開(kāi)了一種用于確定結(jié)構(gòu)的應(yīng)力的神經(jīng)網(wǎng)絡(luò)架構(gòu)。該神經(jīng)網(wǎng)絡(luò)架構(gòu)包括配置為接收該結(jié)構(gòu)的第一數(shù)據(jù)集的第一神經(jīng)網(wǎng)絡(luò)和配置為接收該結(jié)構(gòu)的第二數(shù)據(jù)集的第二神經(jīng)網(wǎng)絡(luò)。第一神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的神經(jīng)元連接到第二神經(jīng)網(wǎng)絡(luò)的最后一個(gè)隱藏層的神經(jīng)元，以組合來(lái)自各神經(jīng)元的數(shù)據(jù)以確定結(jié)構(gòu)的應(yīng)力。