基于深度学习的土木工程结构全过程响应智能计算框架
为了实现工程结构的准确、高效模拟,提出了完全基于深度学习的结构全过程响应智能计算框架,从数据侧到模型侧综合考虑了结构自身构造信息以及任意加载制度,能够适用于材料、构件甚至是结构体系等多层次力学响应预测问题.并根据结构计算场景特点制定了结构静态特征统一数据接口模式,保真结构原始信息输入,有效减少人工干预.在此基础上,引入了注意力机制与深度交叉网络,提出了结构静态特征表示学习模型PADCN(注意力机制预处理的深度交叉网络,pre-attention deep&cross network),能够兼顾结构静态特征的记忆性与泛化性,挖掘不同构造信息的耦合关系.将PADCN模型与动态特征预测模型Mechformer相集成,并与设计的通用数据接口衔接,形成了端到端数据驱动的结构响应智能计算框架.为验证框架的有效性,以钢板剪力墙结构为载体开展数值试验,其中提出了适用于结构计算领域的数据增广算法,以缓解结构工程数据量匮乏的问题.结果表明:基于该框架的智能模型成功预测了不同构造的钢板剪力墙试件的全过程非线性响应,模拟精度优于精细有限元模型.同时,计算效率为传统数值方法1 000倍以上,证明该智能计算框架具有卓越的准确性与高效性.
土木工程、深度学习、结构计算、数据接口、人工智能
44
TU311.4(建筑结构)
国家自然科学基金51725803
2023-03-16（万方平台首次上网日期，不代表论文的发表时间）
共10页
259-268
