CN119416671A 基于自适应物理基网络的结构动力响应计算方法和系统 （湖南大学）

基于自适应物理基网络的结构动力响应计本申请涉及一种基于自适应物理基网络的定对结构动力响应贡献最大的前n阶模态；基于振型分解法，对表征结构动力响应互相耦合的m个微分方程，解耦为前n阶模态对应的独立的方态坐标下的标量参数表征不同载荷条件下的载荷特征；将时间输入对应的n阶模态的自适应物n阶模态的响应分量；将模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情况下的的网络框架多自由度结构动力响应难以求解和2基于振型分解法，对表征结构动力响应互相耦合的m个微分方程，解根据所述前n阶模态对应的独立的方程，以各阶模态坐标下的标量参数表征不同载荷将时间输入对应的n阶模态的自适应物理基网络，预测结构在模态空间中单位荷载下将模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情况下的模态响应分将模态空间中的模态响应分量转换为物理空间中2.根据权利要求1所述的基于自适应物理基网络的结构动力响应计算方法，其特征在根据待求解微分方程的计算域设置合适的径向基网络隐藏层的宽其中，参数冻结部分bifrozen用于控制各神经元局部影响区域，参数可训练部分3.根据权利要求2所述的基于自适应物理基网络的结构动力响应计算方法，其特征在34.根据权利要求1至3任一项所述的基于自适应物理基网络的结构动力响应计算方法，;5.根据权利要求4所述的基于自适应物理基网络的结构动力响应计算方法，其特征在根据所述前n阶模态对应的独立的方程，得到每一个模态响应的放;6.根据权利要求1所述的基于自适应物理基网络的结构动力响应计算方法，其特征在根据模态空间和物理空间的坐标转换关系，将模态空间中的模态响7.根据权利要求1所述的基于自适应物理基网络的结构动力响应计算方法，其特征在4。转换模块，用于将模态响应分量与表征荷载特征的标量参数相乘得到9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述的5通过将人们已知的先验知识嵌入神经网络指导网络的学习，从而使网络能实现无靶标学较为明确的物理含义，虽然在网络约束中嵌入了具体的物理信息，然而，在结构层面仍为为径向基网络的激活函数，使得神经网络的超参数具有明确的物理意义，使得神经网络具备较强的物理可解释性。6根据所述前n阶模态对应的独立的方程，以各阶模态坐标下的标量参数表征不同将时间输入对应的n阶模态的自适应物理基网络，预测结构在模态空间中单位荷将模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情况下的模态响[0009]在其中一个实施例中，对于前n模态，每阶模态都对应搭建一个自适应物理基网其中，参数冻结部分bifrozen用于控制各神经元局部影响区域，参数可训练部分7为第i阶模态下的位移响应，表示r时刻的加速;放大系数用于表示不同载荷条件下的载荷特征在各阶模态坐标下将单位荷载下的模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情8第二方面，本申请还提供了一种基于自适应物理基网络的结构动力响应计算装[0018]图1为一个实施例中基于自适应物理基网络的结构动力响应计算方法的流程示意图2为另一个实施中于基于自适应物理基网络的结构动力响应计算方法过程示意图9为一个实施例中采用自适应物理基网络对微分方程的求解结果与理论值的对9图10为一个实施例中采用物理信息径向基网络对微分方程的求解结果与理论值图11为一个实施例中自适应物理基网络和物理信息径向基网络的Loss迭代曲线图19为一个实施例中基于自适应物理基网络的结构动力响应计算装置的结构框[0022]振型分解法是对结构模态振型的一种特殊应用方法，振型分解法是指对于某结该方法将已知的物理或标度定律以数学方程的形式显式地编码到神经网络的标准结构中，神经网络模型对于非线性函数的逼近能力，可建立参数化空间，可针对特定的结构响算任务构建有效的代理模型。然而，常见的基于神经网络的动力响应计算方法多为数据驱其不再依赖大量的数据样本。但是由于多层感知机存在谱偏差的现象，因此传统的PINN也难以捕捉结构响应中的高频分量。基于这个问题，有学者提出了物理信息径向基网络使有相应的初始化方法，但是该初始化方法并非神经元中心的最优初始化分布，这限制了网络对于高频函数的拟合能力。构离散化为具有有限个自由度的元件网格模型，通过建立动力学微分方程组,采用数MX+CX+KX=F(1)p"Mpj+p'cpy+plkpy=p'F(5)C=agM+ak(7)==上克服了传统以往神经网络只能计算单一荷载工况的单自由度系统中。因此只需将初始条件代入单自由度受初始激励下的自由振动的公式即适应物理基网络预测的零初始状态下的受迫振动响应分量叠加即可得到结构在某初始条[0039]步骤110，将模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情况下数b;的方式不同，本申请将参数b;设置为冻结部分bifroron与可训练部分birrainabie。其中式中i代表第i个神经元，d为自适应神经元中心参数，用于控制神经元中心的可训练部分birrainabie用于搜寻与待求解微分方程相对应的最合适的神经元中心分布。理信息径向基网络的局部逼近能力，各神经元中心在模型训练之初需人为设定为固定数式中字符意义与上述相同，W为采样点数量，y;为第i阶模态下的位移响应，分别在相应的模态空间中搭建相应的自适应物理径向基网络，各个独立的网络经过训练，模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情况下的模ii(x)=f(x)(27)[0055]为了验证本申请提出的自适应神经元中心超参数配置方法在物理信息径向基网为10，自适应神经元中心参数=10，冻结参数bisroron~u[19.8,22.2]，故bifroron在LOSS=lli(x)-f(x)ll2(30)自适应神经元参数的自适应物理基网络对微分方程的结果与理论解几乎完美吻合。此外，波变换直接相关。对于不同的微分方程，各小波基函数的时移因子h,和尺度因子ai各不相[0059]梁柱采用同一截面，截面为正方形实心截面，截面边长为0.13m，截面积为1.69x10-22,截面抗弯惯性矩为2.38x10-5f，材料弹性模量E=2.08x1o11Nvm2。[0061]F1=1000sin(10xt)N,F2=3000sin(10xt)NM1=2000sin(10xt)N.m,M2=4000sin(10xt)N.m方程组解耦为相互独立的方程，使得利用神经网络求解多自由度体系的动力响应成为可[0071]本申请的基于自适应物理基网络的结构动力响应计算方适应物理基网络的结构动力响应计算法的基于自适应物理基网络的结构动力响应计算装提供的一个或多个基于自适应物理基网络的结构动力响应计算装置实施例中的具体限定[0076]上述基于自适应物理基网络的结构动力响应计算装置中的各个模块可全部或部机程序被处理器执行时实现基于自适应物理基网络的结构动力响应计算方法处理器执行时实现基于自适应物理基网络的结构动力响应计算方通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机本申请所提供的各实施例中所使用的对存储器、数据库或其他介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read_Only库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，