一种桁架式点阵结构力学性能预测方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115762675A(43)申请公布日2023.03.07(21)申请号202211312327.3(22)申请日2022.10.25(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人王扬卫姜炳岳牛海燕程兴旺范群波马壮褚庆国(74)专利代理机构北京高沃律师事务所11569专利代理师贾瑞华(51)Int.Cl.G16C60/00(2019.01)G06F30/27(2023.01)G06N3/0464(2023.01)G06N3/08(2020.01)权利要求书2页说明书10页附图4页(54)发明名称一种桁架式点阵结构力学性能预测方法及系统(57)摘要本发明涉及一种桁架式点阵结构力学性能预测方法及系统，包括：获取目标桁架式点阵结构的胞元的图；目标桁架式点阵结构由多个胞元进行周期性排列得到；图的图节点为胞元的胞元节点；图的边为胞元的杆件；将图的节点信息和边信息输入至训练好的图神经网络模型中，得到目标桁架式点阵结构的力学性能预测值；节点信息包括胞元节点在胞元内的位置信息；边信息包括胞元的杆件的直径信息、横截面面积信息和/或横截面形状信息；本发明能够将不同胞元基本形状下，具有不同杆件几何特征的胞元基于图论的方式表示为图；采用训练好的图神经网络模型对目标桁架式点阵结构的力学性能进行预测，提高了桁架式点阵结构力学性能预测的普适性和速度。CN115762675ACN115762675A权利要求书1/2页1.一种桁架式点阵结构力学性能预测方法，其特征在于，包括：获取目标桁架式点阵结构的胞元的图；所述目标桁架式点阵结构由多个所述胞元进行周期性排列得到；所述图的图节点对应所述胞元的胞元节点；所述图的边对应所述胞元的杆件；将所述图的节点信息和边信息输入至训练好的图神经网络模型中，得到所述目标桁架式点阵结构的力学性能预测值；所述节点信息包括所述胞元节点在所述胞元内的位置信息；所述边信息包括所述胞元的杆件的直径信息、横截面面积信息和/或横截面形状信息；所述训练好的图神经网络模型为以样本胞元的样本图的样本节点信息和样本边信息为输入，以所述样本桁架式点阵结构的样本力学性能真实值为标签训练得到的模型；所述样本桁架式点阵结构由多个所述样本胞元进行周期性排列得到。2.根据权利要求1所述的桁架式点阵结构力学性能预测方法，其特征在于，所述训练好的图神经网络模型为信号传递神经网络模型。3.根据权利要求2所述的桁架式点阵结构力学性能预测方法，其特征在于，所述训练好的图神经网络模型包括信息传递模块和读出模块；所述信息传递模块用于对每一所述图节点，根据与所述图节点通过所述边连接的邻近图节点的节点特征向量对所述图节点的节点特征向量进行迭代更新，得到更新后的节点特征向量；所述读出模块用于对所有所述更新后的节点特征向量进行拼接，并输入一个以力学性能数值为输出的全连接层神经网络，得到所述目标桁架式点阵结构的力学性能预测值。4.根据权利要求1所述的桁架式点阵结构力学性能预测方法，其特征在于，在所述将所述图的节点信息和边信息输入至训练好的图神经网络模型中之前，还包括数据集的获取和对图神经网络模型进行训练，过程如下：获取数据集；所述数据集包括若干个不同构型的样本胞元中每一所述样本胞元的样本图的样本节点信息和样本边信息以及所述样本胞元对应的所述样本桁架式点阵结构的样本力学性能真实值；利用所述数据集对所述图神经网络模型进行训练，得到训练好的图神经网络模型。5.根据权利要求4所述的桁架式点阵结构力学性能预测方法，其特征在于，所述获取数据集，具体包括：获取多个不同构型的样本胞元；基于图论的方式对每一所述样本胞元进行表示，得到每一所述样本胞元的样本图；所述样本图的样本图节点为所述样本胞元的样本胞元节点；所述样本图的样本边为所述样本胞元的样本杆件；所述样本节点信息包括所述样本胞元节点在所述样本胞元内的位置信息；所述样本边信息包括所述样本胞元的样本杆件的直径信息、横截面面积信息和/或横截面形状信息；对每一所述样本胞元进行周期性排列，得到多个样本桁架式点阵结构；对每一所述样本桁架式点阵结构，在预设载荷条件下进行力学性能测试，获得力学性能指标的数值；所述力学性能指标的数值即为样本桁架式点阵结构的样本力学性能真实值；所述力学性能指标包括弹性模量、屈服强度、压缩强度、拉伸强度、弯曲强度。6.根据权利要求5所述的桁架式点阵结构力学性能预测方法，其特征在于，所述获取多2CN115762675A权利要求书2/2页个不同构型的样本胞元，具体包括：步骤1，在预设胞元基本形状的内部和/或所述预设胞元基本形状的边界上选取若干样本参考点，得到样本参考点集合；所述预设胞元基本形状的边界包括所述预设胞元基本形状的棱以及棱围成的面；步