Высокопроизводительное моделирование напряженно-деформированного состояния тонкостенных оболочечных конструкций с использованием глубокого обучения
Аннотация:
Предмет исследования. Одним из наиболее распространенных подходов к исследованию напряженно-деформированного состояния тонкостенных оболочечных конструкций под воздействием внешних сил является их компьютерное моделирование. Данное решение требует существенных временных затрат и высокопроизводительного аппаратного обеспечения, особенно при необходимости проведения сравнительного анализа различных конфигураций оболочек. В данной работе для повышения производительности моделирования предложено применение методов глубокого обучения. Выполнена разработка высокопроизводительного метода компьютерного моделирования тонкостенных оболочечных конструкций с использованием глубоких нейронных сетей, позволяющего учесть геометрические и физические свойства конструкции, а также прикладываемую к ней нагрузку. Метод. Основа метода состоит в подходе к обучению и архитектуре глубокой нейронной сети, способной выполнять компьютерное моделирование напряженно-деформированного состояния оболочки. Для формирования обучающего набора данных проведен вычислительный эксперимент моделирования 3904 конфигураций пологих двояковыпуклых оболочек разных линейных размеров, радиусов кривизны и используемых материалов. Выполнено обучение 30 глубоких нейронных сетей различных архитектур. Для выбора архитектуры, оптимальной с точки зрения точности моделирования, для каждой из обученных сетей на проверочном наборе данных рассчитана средняя абсолютная ошибка в процентах с отсечением околонулевых образцов. Основные результаты. Разработана нейронная сеть, позволяющая без существенных вычислительных затрат определить напряженно-деформированное состояние множества конфигураций оболочек под воздействием произвольной равномерно-распределенной нагрузки. Данное решение — первое в области нейросетевого моделирования оболочек, позволяющее задавать прикладываемую нагрузку, геометрические и физические параметры оболочки и получать результаты расчета в произвольной точке срединной поверхности оболочки. Проведено сравнение производительности классического моделирования и моделирования напряженно-деформированного состояния разработанной нейронной сети. Для одной конструкции моделирование в нейронной сети выполняется в течение 2 мс, что в 2117 раз быстрее по сравнению с классическим. При этом погрешность моделирования с использованием сети получена на допустимом уровне. Практическая значимость. Предложена оригинальная архитектура нейронной сети моделирования напряженно-деформированного состояния пологих двояковыпуклых оболочек. Архитектура путем незначительных модификаций может быть приспособлена для высокопроизводительного моделирования разных видов строительных конструкций. Осуществлено обучение глубокой нейронной сети, которая обеспечивает сокращение длительности вычислений на несколько порядков. Полученные результаты обладают высокой практической значимостью для исследователей в области моделирования тонкостенных оболочечных конструкций. Наиболее перспективным применением разработанного решения является прототипирование различных конфигураций оболочек. По окончании прототипирования наиболее эффективные конфигурации могут быть детально исследованы с использованием классических методов компьютерного моделирования.
Ключевые слова:
Постоянный URL
Статьи в номере
- Полимерная композиция с фенантренхиноном для записи рельефных голографических решеток
- Современные методы математического моделирования в биомедицинских исследованиях
- Анализ фазовых изображений, полученных при использовании голографической системы регистрации на основе эффекта геометрической фазы и поляризационной камеры
- Система цветоделения на основе цветового треугольника для колориметрических исследований в микроскопии
- Концепция регистрации изображений с использованием двухэлементного активного оптико-электронного комплекса
- Вариационная задача адаптивного оптимального управления. Теоретический и прикладной компьютерный анализ
- Краткий обзор развития теорий робастности, грубости и бифуркаций динамических систем
- Решение задачи достижимости в графе с заданными ограничениями в виде многокомпонентной контекстно-свободной грамматики с использованием умножения матриц
- Предсказание результатов 16-факторного теста Р. Кеттелла на основе анализа текстовых постов пользователей социальной сети
- Методика управления компонентами распределительной электроэнергетической системы при обеспечении качества потребляемой электроэнергии
- Голосовая система оценки ответов для учащихся с ограниченными физическими возможностями, использующих обработку естественного языка и машинное обучение
- Обнаружение вредоносного домена на основе естественного языка с использованием машинного обучения и глубокого обучения
- Гибридный алгоритм JAYA для планирования рабочих процессов в облаке
- Информационная модель продолжительности покупки товаров первой необходимости
- Разработка технологии интерактивной мобильной поддержки пациентов с хроническими заболеваниями
- Выделение ролей в сетях общественного транспорта с атрибутами узлов: описание модели
- Обзор систем обнаружения сетевых вторжений, основанных на подходах глубокого обучения
- Мониторинг состояния здоровья населения по возрастным группам
- Модель аналитики энергопотребления на основе интеллектуальной оболочки Game Optimization для данных интеллектуального учета
- Метод активного демпфирования напряжения с отрицательной обратной связью по току звена постоянного тока в электрических и гибридных электрических трансмиссиях
- Сравнительный анализ методов управления вентильно-индукторной электрической машиной
- Газовая динамика стационарных сверхзвуковых газовых струй с инертными частицами при их истечении в среду с низким давлением
- Смешанные формы свободных колебаний прямоугольной CFCF-пластины
- Моделирование тепло-гидродинамических процессов в испарителях низкотемпературных систем с внутриканальным кипением хладагентов
- Валидация автоматных спецификаций