典型文献
基于数据学习的结构静力学性能预测方法
文献摘要：
针对目前机械结构优化中建立预测模型代价较高的问题,提出了一种基于数据学习的结构静力学性能预测方法.以悬臂梁为研究对象,建立有限元仿真模型以获取位移场数据,构建边界条件-位移场代理模型,预测结果表明位移场分布趋势与实际一致,载荷为1000 N和1600 N时最大位移相对误差分别为-0.02％和-0.47％.文中讨论了均布力大小和集中力作用位置对位移场预测结果的影响,结果表明,随着载荷幅值增加,预测误差有所增加.相比均布力,集中力载荷下的预测误差更大,且加载位置靠近边缘处的误差更大.反演问题分别将位移场作为输入,将均布力大小和集中力位置作为输出构建位移场-边界条件代理模型,载荷为1000 N和1600 N时的预测误差分别为0.15％和-0.48％,在5 mm和10 mm处的载荷位置预测误差分别为0.38％和-1.84％,实现了对力边界条件的高精度预测.所提方法从数据学习角度出发,可为机械结构的静力学性能预测提供一种新的思路.
文献关键词：
数据学习;代理模型;神经网络;有限元分析;性能预测
中图分类号：
作者姓名：
赵航;童水光;朱郑州
作者机构：
浙江大学机械工程学院 杭州 310027;北京大学软件与微电子学院 北京 102600
文献出处：
引用格式：
[1]赵航;童水光;朱郑州-.基于数据学习的结构静力学性能预测方法)[J].计算机科学,2022(04):140-143
A类：
B类：
数据学习,结构静力,静力学性能,力学性能预测,前机,机械结构优化,悬臂梁,有限元仿真,位移场,代理模型,场分布,最大位移,移相,集中力,预测误差,位置预测,精度预测
AB值：
0.217224
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
