[发明专利]一种基于图像特征学习的曲线加筋结构布局智能设计方法

权利要求书

1.一种基于图像特征学习的曲线加筋结构布局智能设计方法，其特征在于，包括以下步骤：

步骤100：选取曲线加筋路径函数生成图像集，输入自编码网络进行无监督学习训练，完成曲筋图像结构特征的提取，包括以下子步骤：

步骤101：选取路径函数B(t)，并确定加筋薄壁结构路径函数设计变量，如式(1.1)所示；

B(t)＝(1-t)²P_s(x_s,y_s)+2t(1-t)P_m(x_m,y_m)+t²P_e(x_e,y_e),t∈[0,1] (1.1)

其中，B(t)为路径函数，t为路径函数控制变量，P_s(x_s，y_s)为路径起点坐标，P_m(x_m，y_m)为路径内一点坐标，P_e(x_e，y_e)为路径终点坐标；

步骤102：根据结构不同边界类型组合确定路径函数类型，并对曲线加筋结构路径函数的设计域空间进行约束；

步骤103：确定每张曲线加筋结构图像的大小m*n，生成无监督学习训练所用的训练图像集N₀；

步骤104：搭建对曲线加筋结构布局图像的解码网络模型E和编码网络模型D；

步骤105：将图像解码网络模型E和编码网络模型D进行组合，形成自编码网络模型；

步骤106：将曲线加筋布局图像集N₀输入自编码网络模型；

步骤107：完成自编码网络模型对曲线加筋图像集N₀的训练过程；

步骤108：提取自编码网络模型训练后的解码网络模型E；

步骤200：建立曲线加筋结构力学响应的分析模型，形成用于有监督学习训练的数据集，进一步输入由步骤108解码网络模型和全连接层搭建的卷积神经网络模型，完成曲线加筋结构力学响应的学习，包括以下子步骤：

步骤201：根据曲线路径函数B(t)建立曲线加筋结构模型；

步骤202：设置结构位移载荷边界条件，进行结构力学响应分析；

步骤203：确定每张曲线加筋结构图像的大小m*n，根据图像对应结构力学响应，生成用于有监督学习模型训练及检验的训练集N₁、检验集N₂；另外设置用于模型优劣的评价标准，如式(1.2)所示，选取均方根(％RMSE)作为模型的误差评估；

其中，n为样本数量，y_i为结构响应值，为模型预测值；

步骤204；由步骤108的解码网络模型E和两个全连接层搭建卷积神经网络模型F；

步骤205：将含力学响应标签的训练集N₁输入卷积神经网络模型F中进行训练；

步骤206：根据检验集N₂对卷积神经网络模型F的准确性进行判定，完成卷积神经网络对曲线加筋结构力学响应的训练过程；

步骤300：基于步骤206对曲线加筋结构力学响应预测的卷积神经网络模型F，利用演化类算法完成曲线加筋结构布局的优化设计，包括以下子步骤：

步骤301：搭建演化类算法优化框架，优化迭代起始首先生成初始曲线加筋图像集N_g；

步骤302：将图像集N_g输入由步骤206提取的卷积神经网络模型F中；

步骤303：利用演化类算法在所建立的卷积神经网络模型F上寻优获得新样本点K；

步骤304：由获得的样本点K建立曲线加筋结构模型，并通过力学响应分析进行标记；

步骤305：将新样本点K补充到训练图像集N_g形成图像集N_g+k，进一步输入步骤206中的卷积神经网络模型F进行重新训练；

步骤306：将重新训练的卷积神经网络模型代替步骤302中的卷积神经网络模型F，继续开展演化类算法的优化过程；

步骤307：判断当前优化过程是否达到算法收敛条件，如果收敛，输出最优设计变量，否则，返回执行步骤301，其中所述的收敛条件为达到优化算法的最大迭代次数。