Высокопроизводительное моделирование напряженно-деформированного состояния тонкостенных оболочечных конструкций с использованием глубокого обучения

Згода Ю.Н. Высокопроизводительное моделирование напряженно-деформированного состояния тонкостенных оболочечных конструкций с использованием глубокого обучения // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 2. С. 430–435 (на англ. яз.). doi: 10.17586/2226-1494-2023-23-2-430-435

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.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License