.png){kind=icon}
返回
A force neural network framework for structural optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2024.109991.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，开发了一种高效的力法神经网络（FNN），将桁架结构的尺寸优化问题重新表述为算子学习问题。设计了一种深度神经网络（DNN），用于直接将桁架构件的连接信息映射到相应的设计变量。其中，整个无标签训练数据仅包含构件的连接信息，不包含任何结构响应、重量或横截面积。通过整合力法（FM），我们的框架将目标函数和约束函数所表示的最优设计问题嵌入到损失函数中，以指导训练过程，并确保生成的解与底层物理原理一致。除提高寻找最优结构重量的效率外，还应用贝叶斯优化（BO）进行自动超参数调优，以替代试错法。一旦训练阶段结束，即可在不使用任何其他数值方法的情况下找到桁架结构的最优重量。通过研究多个数值算例来验证FNN在桁架结构优化中的有效性和适用性。所获得的结果表明，该方法不仅易于实施，还能克服局部最优问题，并在高维问题中降低计算成本。
Keyword:
Force neural network
Deep neural network
Structural optimization
Auto-tuning hyper-parameters
Bayesian optimization
期刊
IF:
8
论文数:
5.4K
被引数:
3.5W
机构
引用论文
.png){kind=icon}
分享收藏A novel hybrid arithmetic optimization algorithm for solving constrained optimization problems一种求解约束优化问题的混合算术优化算法
PREAI
分享收藏
查看更多内容