10.13700/j.bh.1001-5965.2019.0134
卷积神经网络求解有限元单元刚度矩阵
随着深度学习在众多领域的成功应用与快速发展,将深度学习与传统的结构分析相融合已经成为了新的研究方向.在求解有限元单元刚度矩阵的具体问题上,研究了卷积神经网络在结构分析上的应用.以四边形平面应力单元为例,基于卷积神经网络,提出了一个求解有限元总体刚度矩阵的神经网络模型;同时分析了网络的学习效果与网络卷积核数目、训练样本数目之间的关系.计算实例表明,在一定范围内,网络的学习能力随着卷积核数目、训练样本数目的增加而不断提升.在现实应用时,可以根据具体的精度要求而设定相应的卷积神经网络.卷积神经网络训练完成后,单元刚度矩阵的计算具有实时性,且精度满足工程要求.
卷积神经网络、有限元、刚度矩阵、卷积核数、总样本数、实时计算
46
TP301.6(计算技术、计算机技术)
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
481-487