[发明专利]基于神经网络模型和数值模拟的点阵材料参数优化方法

权利要求书

1.基于神经网络模型和数值模拟的点阵材料参数优化方法，其特征在于：所述方法包括以下步骤：

S01：选取一种点阵模式，并使用随机算法得到一种类型点阵材料可能的多组结构参数，对各组结构参数进行点阵材料的三维建模，获得多个该类型点阵材料在一个周期内的三维模型；

S02：利用数值模拟方法，计算每个点阵材料的三维模型在特定载荷下的变形过程，记录所关注的点阵材料的性能数据，并将所获得的性能数据作为点阵材料性能指标，所获得的性能数据以及与其对应的结构参数组成点阵材料数据集；

S03：基于神经网络模型搭建预测模型，以点阵材料结构参数作为输入，并将步骤S02利用数值模拟方法计算出的点阵材料性能数据作为预测目标；将步骤S02中的点阵材料数据集按所需比例划分成训练集和测试集，利用训练集数据训练预测模型，并完成对预测模型结构参数的调优，利用测试集数据进行测试时使预测模型误差小于20％；

S04：使用参数优化算法，计算出能够使训练好的预测模型输出最优性能的一组或若干组参数；

其中，步骤S01中所述的点阵模式选用四面体结构模式，此时点阵材料的结构参数包括：

结点坐标x⁽¹⁾，x⁽¹⁾∈R³ⁿ，n＝4；

连接杆直径x⁽²⁾，x⁽²⁾为标量，即所有连接杆的直径是相同的；

其中，结点坐标的确定方法为：建立三维直角坐标系，将第一个结点坐标设在原点，第二个结点坐标设在x轴上，x坐标随机确定，第三个结点坐标设在XoY平面第一象限内，第四个结点坐标设在第一卦限，再对整个四面体进行平移，即：

其中，ε_x，ε_y，ε_z是从正态分布中得到的随机数；矩阵K的每一行都代表对应结点的3个坐标，将K转变为向量，得到：

x⁽¹⁾＝[ε_x ε_y ε_z a+ε_x ε_y ε_z b+ε_x c+ε_y ε_z d+ε_x e+ε_y f+ε_z]^T；

a～f为非零坐标值，每种四面体结构的平移前具体结点坐标都通过随机算法确定，且满足任一连接杆的长度都在最小长度l_min和最大长度l_max之间；同样的，每种结构参数中的连接杆直径x⁽²⁾也通过产生随机数确定，并要求直径在最小直径d_min和最大直径d_max之间；将x⁽¹⁾与x⁽²⁾合并，得到表征点阵材料结构参数的向量x＝[x⁽¹⁾ x⁽²⁾]；

相应地，步骤S03中，作为输入的点阵材料结构参数为每个结点的坐标和连接杆的直径。

2.根据权利要求1所述的基于神经网络模型和数值模拟的点阵材料参数优化方法，其特征在于：步骤S02中所述数值模拟方法是利用商业有限元分析软件，基于有限元分析方法计算点阵材料性能指标y，即：合理地设置点阵材料的非结构参数，并将外界载荷类型设置为所关注的服役状态，计算点阵材料在外界载荷作用下的性能指标，并将相应数值作为点阵材料性能指标y。

3.根据权利要求2所述的基于神经网络模型和数值模拟的点阵材料参数优化方法，其特征在于：在所述数值模拟方法所涉及的模型边界设定令位移约束条件，使点阵模型中与预测目标无关的其他结点不发生位移。

4.根据权利要求1所述的基于神经网络模型和数值模拟的点阵材料参数优化方法，其特征在于：步骤S03中，训练集中的数据量与测试集中的数据量比例为70:30～95:5。