[发明专利]基于生成对抗学习的有限元模型代理建模方法

权利要求书

1.基于生成对抗学习的有限元模型代理建模方法，其特征在于，所述方法包括以下步骤：

第一步：建立待分析结构的初始有限元模型，依据待分析结构的几何尺寸、特征参数在ANSYS等有限元分析平台建立初始的有限元分析模型，作为采集网络训练样本的试验模型；建模过程中，可根据实际情况建立实体模型或梁单元模型，从而适应不同结构的复杂程度与计算精度要求；

第二步：采用空间采样方法生成试验样本集，据此进行编码转换，转换成灰度图，以影响结构作用效应的主要参数为变量，以各变量组成输入特征参数向量；根据拉丁立方采样原则在参数可能的变化区间采样，生成结构模态参数计算样本，形成模态参数矩阵，并将模态参数矩阵通过转换器转换为二值灰度图像用于网络训练；

第三步：采用试验样本训练判别器，提升判别器辨别输入图像真假的能力；

第四步：利用试验样本训练生成器，增强生成器生成的灰度图的精度；

第五步：重复第三步、第四步直至生成器和判别器网络的损失函数收敛；

第六步：对生成器输出的灰度图解码，转换为结构模态参数矩阵，利用解码器对生成对抗网络输出的灰度图解码，依靠生成对抗学习模型对结构模态参数的计算。

2.根据权利要求1所述的基于生成对抗学习的有限元模型代理建模方法，其特征在于，第二步中，转换器将结构模态参数矩阵编码为二进制数值矩阵，并进一步变换为包含模态参数信息的二值灰度图。

3.权利要求1所述的基于生成对抗学习的有限元模型代理建模方法，其特征在于第二步中，输出特征参数向量为结构主要构建的密度、弹性模量、转动惯量；所述模态参数矩阵为结构振型向量与各振型对应的频率组成的矩阵。

4.权利要求1所述的基于生成对抗学习的有限元模型代理建模方法，其特征在于第六步中，解码器将模型生成的二值灰度图转回二进制数值矩阵，进一步将二进制数值矩阵解码回模态参数矩阵。