本申请涉及一种基于自适应物理基网络的结构动力响应计算方法和系统。该方法包括:确定对结构动力响应贡献最大的前n阶模态;基于振型分解法,对表征结构动力响应互相耦合的m个微分方程,解耦为前n阶模态对应的独立的方程;根据前n阶模态对应的独立的方程,以各阶模态坐标下的标量参数表征不同载荷条件下的载荷特征;将时间输入对应的n阶模态的自适应物理基网络,预测结构在模态空间中单位荷载下前n阶模态的响应分量;将模态响应分量与表征荷载特征的标量参数相乘得到实际荷载情况下的模态响应分量;将模态空间中的模态响应分量转换为物理空间中的动力响应。其解决了基于PINN的网络框架多自由度结构动力响应难以求解和荷载工况难以泛化的问题。
背景技术
随着计算机技术的发展,近年来,多层感知机(MLP)被用于解偏微分方程引起了人们的关注,其中,物理信息神经网络(PINN)在解偏微分方程领域有着极大的潜力。这种方法通过将人们已知的先验知识嵌入神经网络指导网络的学习,从而使网络能实现无靶标学习。
然而这种方法(PINN)一般只能用于较为简单的物理问题。在土木工程领域,结构动力响应的计算是结构分析的重要内容。然而对于一般的土木工程结构,其自由度成千上万,结构动力分析包含大量的耦合的动力学偏微分方程,传统的神经网络无法适应如此繁杂的动力学系统。
实现思路