典型文献
基于物理信息的深度学习求解矩形薄板力学正反问题
文献摘要：
建立基于物理信息的神经网络框架,利用深度学习求解矩形薄板力学正反问题.力学正问题为已知矩形薄板的基本参数、边界条件和受力情况,求薄板各点挠度;反问题为已知薄板部分点的挠度、基本参数和受力情况等,识别边界条件.基于物理信息的神经网络模型中,损失函数除基于数据驱动模型的挠度数据拟合部分以外,还引入薄板弯曲基本方程和应力应变本构关系等物理信息.结果 显示,该模型的预测效果良好.为验证方法的有效性,与基于数据驱动的神经网络模型进行对比分析,发现在保证一定精度的情况下,基于数据驱动的模型需要大范围的训练数据集,且迭代次数较大,而基于物理信息的模型则可以减小所需数据的范围,计算效率显著提高.
文献关键词：
基于物理信息的神经网络;深度学习;矩形薄板;力学正反问题
中图分类号：
作者姓名：
唐明健;唐和生
作者机构：
同济大学土木工程学院,上海200092
文献出处：
引用格式：
[1]唐明健;唐和生-.基于物理信息的深度学习求解矩形薄板力学正反问题)[J].计算力学学报,2022(01):120-128
A类：
力学正反问题,基于物理信息的神经网络
B类：
矩形薄板,网络框架,正问题,基本参数,受力情况,挠度,损失函数,数据驱动模型,数据拟合,薄板弯曲,应力应变本构关系,验证方法,训练数据集,迭代次数,计算效率
AB值：
0.158503
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。
