System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及建筑结构设计,具体是一种基于多层感知机的互承网壳结构找形方法。
技术介绍
1、互承结构适用绿色建筑材料、可快速安装拆卸、造型美观、小构件实现大跨度,因此受到了广泛关注。
2、互承结构的形态复杂,使用现有的互承结构找形方法,在设计过程需要进行多次迭代优化,计算量较大,需要较长的时间来得到最终的互承结构,效率低。这些方法需要对基本单元样式、网格关系等进行设定,对于不同的互承结构形态需要重新设定参数,具有一定的局限性,且需要人工干预进行优化,难以实现完全自动化。因此,需要进一步研究开发更高效、更智能的互承结构找形方法。
技术实现思路
1、本专利技术所要解决的技术问题是针对上述现有技术的不足提供一种基于多层感知机的互承网壳结构找形方法,本基于多层感知机的互承网壳结构找形方法通过多层感知机模型实现互承网壳构形,多层感知机模型可以通过对大量数据的学习和分析,自动地发现特征和规律,从而提高互承结构构形问题的解决效率和准确度。
2、为实现上述技术目的,本专利技术采取的技术方案为:
3、一种基于多层感知机的互承网壳结构找形方法,包括:
4、步骤1:基于网壳的初始信息构建初始网壳;
5、步骤2:使用定点旋转循环构形法将初始网壳转化为互承网壳,得到互承网壳的节点三维坐标信息;
6、步骤3:构建多层感知机模型;将多组网壳的初始信息和经步骤2转化得到的互承网壳的节点三维坐标信息作为多层感知机模型的训练样本,对多层感知机模型
7、步骤4:将需找形的网壳的初始信息导入训练完成的多层感知机模型,重建得到互承网壳的节点三维坐标信息,基于互承网壳的节点三维坐标信息以及单元信息建立互承网壳模型。
8、作为本专利技术进一步改进的技术方案,所述的网壳的初始信息包括网壳的长度、宽度、矢高、长向网格数和横向网格数。
9、作为本专利技术进一步改进的技术方案,所述定点旋转循环构形法包括:
10、(2.1)输入网壳的初始信息、杆件结合系数μ、偏心距e、第一层迭代次数、第二层迭代次数、第一层误差允许值ε与第二层误差允许值ζ;
11、(2.2)读入网壳的各节点位置信息与单元信息;
12、(2.3)通过杆件结合系数μ和偏心距e,对初始基本单元进行定点旋转循环构形,得到互承基本单元;
13、(2.4)计算互承基本单元第一层收敛终止条件λ;
14、(2.5)若λ≤ε或未超出第一层迭代次数,执行步骤(2.6),否则,返回步骤(2.3);
15、(2.6)计算整体互承网壳第二层收敛终止条件η;
16、(2.7)若η≤ζ或未超出第二层迭代次数,执行步骤(2.9),否则执行步骤(2.8);
17、(2.8)判定网壳的初始网格是否为柱面,若为柱面网格,对互承网壳进行随动边界处理,返回步骤(2.3);否则,直接返回步骤(2.3);
18、(2.9)输出互承网壳的节点三维坐标信息与单元信息。
19、作为本专利技术进一步改进的技术方案,所述的杆件结合系数μ为:其中,杆件结合长度le表示杆件搭接点在被搭接杆件中心线的投影到被搭接杆件端点的距离;杆件结合系数μ表示指杆件结合长度le与杆件长度l1的比值;偏心距e表示两相互搭接杆件中心线的空间最短距离。
20、作为本专利技术进一步改进的技术方案,单元信息表示单个杆件的节点编号。
21、作为本专利技术进一步改进的技术方案,所述的多层感知机模型包括输入层、隐含层和输出层;多层感知机模型的输入数据为网壳的初始信息,输出数据为互承网壳的节点三维坐标信息。
22、作为本专利技术进一步改进的技术方案,所述的隐含层为4个。
23、作为本专利技术进一步改进的技术方案,多层感知机模型在训练过程中,第k个隐含层lhk与其上一隐含层lhk-1之间的关系或者第k个隐含层lhk与输入层li之间的关系为:
24、
25、其中,dropoutp表示随机性函数;relu表示relu函数;mk-1,k表示第k-1个隐含层到第k个隐含层的连接权重,bk-1,k表示第k-1个隐含层到第k个隐含层的连接偏置;mi,kli表示输入层到第k个隐含层的连接权重,bi,k表示输入层到第k个隐含层的连接偏置。
26、作为本专利技术进一步改进的技术方案,多层感知机模型在训练过程中,采用均方差mse函数,公式为:
27、
28、其中,表示第i个训练样本中输出层输出的节点三维坐标信息,为第i个训练样本中已知的节点三维坐标信息。
29、作为本专利技术进一步改进的技术方案,多层感知机模型在训练过程中,训练轮数epochs为50000,学习率lr根据epochs动态调整,公式为:
30、
31、本专利技术的有益效果为:
32、本专利技术使用定点旋转循环构形法将初始网壳生成互承网壳,并将其作为样本去训练多层感知机模型,最后通过训练完成的多层感知机模型实现互承网壳构形,多层感知机模型可以通过对大量数据的学习和分析,自动地发现特征和规律,从而提高互承结构构形问题的解决效率和准确度。
本文档来自技高网...【技术保护点】
1.一种基于多层感知机的互承网壳结构找形方法,其特征在于,包括:
2.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述的网壳的初始信息包括网壳的长度、宽度、矢高、长向网格数和横向网格数。
3.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述定点旋转循环构形法包括:
4.根据权利要求3所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述的杆件结合系数μ为:其中,杆件结合长度Le表示杆件搭接点在被搭接杆件中心线的投影到被搭接杆件端点的距离;杆件结合系数μ表示指杆件结合长度Le与杆件长度l1的比值;偏心距e表示两相互搭接杆件中心线的空间最短距离。
5.根据权利要求3所述的基于多层感知机的互承网壳结构找形方法,其特征在于,单元信息表示单个杆件的节点编号。
6.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述的多层感知机模型包括输入层、隐含层和输出层;多层感知机模型的输入数据为网壳的初始信息,输出数据为互承网壳的节点三维坐标信息。
7
8.根据权利要求7所述的基于多层感知机的互承网壳结构找形方法,其特征在于,多层感知机模型在训练过程中,第k个隐含层Lhk与其上一隐含层Lhk-1之间的关系或者第k个隐含层Lhk与输入层Li之间的关系为:
9.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,多层感知机模型在训练过程中,采用均方差MSE函数,公式为:
10.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,多层感知机模型在训练过程中,训练轮数epochs为50000,学习率lr根据epochs动态调整,公式为:
...【技术特征摘要】
1.一种基于多层感知机的互承网壳结构找形方法,其特征在于,包括:
2.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述的网壳的初始信息包括网壳的长度、宽度、矢高、长向网格数和横向网格数。
3.根据权利要求1所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述定点旋转循环构形法包括:
4.根据权利要求3所述的基于多层感知机的互承网壳结构找形方法,其特征在于,所述的杆件结合系数μ为:其中,杆件结合长度le表示杆件搭接点在被搭接杆件中心线的投影到被搭接杆件端点的距离;杆件结合系数μ表示指杆件结合长度le与杆件长度l1的比值;偏心距e表示两相互搭接杆件中心线的空间最短距离。
5.根据权利要求3所述的基于多层感知机的互承网壳结构找形方法,其特征在于,单元信息表示单个杆件的节点编号。
6.根据权利要求1所述的基于多层感知机的互承网...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。