基于深度学习的力学求解的方法及系统

专利申请号：CN202310447548.X

公 开 号：CN116258083A

发 明 人：阳爱民 陈治锦 周星燃 陆茂华 白期风 覃冠球 

代 理 人：广东南北知识产权代理事务所(普通合伙)肖湘漓

代理机构：广东南北知识产权代理事务所(普通合伙)

专利类型：发明专利

申 请 日：20230613

公 开 日：20230424

专利主分类号：G06F30/27

关 键 词：网络模型 应力图像 构建 模型输入数据 几何结构 求解 力学 模型构建模块 编码器结构 测试模块 分析处理 构建模块 评估结果 训练模块 编码器 数据集 引入 二维 悬臂 学习 标签 测试 计算机 预测 评估 应用 监督 

摘      要：本发明公开了基于深度学习的力学求解的方法及系统，该方法包括：对二维悬臂几何结构依次进行有限元分析处理，构建模型输入数据集与实际生成应力图像；引入双层Transformer编码器结构，构建ViT网络模型；将模型输入数据集与实际生成应力图像输入至ViT网络模型进行训练与测试，并将实际生成应力图像作为监督标签，对训练后的ViT网络模型进行评估，得到评估结果与最优ViT网络模型。该系统包括：数据集构建模块、模型构建模块、训练模块和测试模块。通过使用本发明，能够通过引入两个Transformer编码器构建ViT网络模型进一步缩减几何结构有限元预测的时间。本发明作为基于深度学习的力学求解的方法及系统，可广泛应用于计算机深度学习技术领域。