【技术实现步骤摘要】
本专利技术涉及建筑设计领域，更具体地，涉及一种索网结构的自由节点坐标预测方法及系统。
技术介绍
1、索网结构在大型公共建筑中得到了广泛应用，呈现出新颖、美观和轻巧效果，实现了力与形的合理统一。由于钢索中预应力的存在，索网结构的几何形态由零应力状态至初始预应力状态或荷载态会发生较大变化，这对其结构受力性能影响较大。因此，确定索网结构初始预应力状态至关重要，是该结构后续设计与计算分析的基础。
2、目前索网结构的找形方法有力密度法、动力松弛法、非线性有限元法、解析法等，这些方法取得了不错的成果，在许多实际工程中得到了应用。
3、但以上方法中，要么数学理论复杂，不易于结构工程师掌握，要么刚度矩阵易于奇异收敛困难或需要反复调试确定合适的初始值，调试过程繁琐、耗时长，索网结构找形效率低。因此，针对索网结构，有必要提出一种快捷、便于应用的找形方法。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题，提供一种索网结构的自由节点坐标预测方法及系统，克服了调试过程繁琐、耗时长，索网结构找形效率低的问题。
2、根据本专利技术的第一方面，提供了一种索网结构的自由节点坐标预测方法，包括：
3、步骤1，获取索网结构的预应力分布和每一个边界节点坐标，以及根据索网结构受力原理，给出索网结构的每一个自由节点优化方向值；
4、步骤2，设置深度学习找形模型的初始参数；
5、步骤3，将每一个所述边界节点坐标输入所述深度学习找形模型中，输出每一
6、步骤4，根据所有边界节点坐标、所有自由节点优化方向值和所有自由节点坐标预测值，计算所述深度学习找形模型的损失函数值；
7、步骤5，根据所述损失函数值，调整所述深度学习找形模型的参数，以更新所述深度学习找形模型，重复执行步骤2～步骤5，直到所述损失函数值小于设定误差，获取索网结构的每一个自由节点坐标预测值。
8、根据本专利技术的第二方面，提供一种索网结构的自由节点坐标预测系统，包括：
9、获取模块，用于获取索网结构的预应力分布和每一个边界节点坐标，以及根据索网结构受力原理，给出索网结构的每一个自由节点优化方向值；
10、设置模块，用于设置深度学习找形模型的初始参数；
11、预测模块，用于将每一个所述边界节点坐标输入所述深度学习找形模型中，输出每一个自由节点坐标预测值；
12、计算模块，用于根据所有边界节点坐标、所有自由节点优化方向值和所有自由节点坐标预测值，计算所述深度学习找形模型的损失函数值；
13、调整模块，用于根据所述损失函数值，调整所述深度学习找形模型的参数，以更新所述深度学习找形模型，重复调用所述预测模块和所述计算模块，直到所述损失函数值小于设定误差，获取索网结构的每一个自由节点坐标预测值。
14、根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现索网结构的自由节点坐标预测方法的步骤。
15、根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现索网结构的自由节点坐标预测方法的步骤。
16、本专利技术提供的一种索网结构的自由节点坐标预测方法及系统，获取索网结构的预应力分布和每一个边界节点坐标，以及根据索网结构的受力原理，给出每一个自由节点优化方向值；将每一个边界节点坐标输入深度学习找形模型中，输出每一个自由节点坐标预测值；计算深度学习找形模型的损失函数值，调整深度学习找形模型的参数，以更新深度学习找形模型，直到损失函数值小于设定误差，获取索网结构的每一个自由节点坐标预测值。本专利技术将索网结构的边界节点坐标作为深度学习找形模型的输入，并给出自由节点的优化方向值，利用深度学习找形模型对索网结构的自由节点坐标进行预测，达到索网结构找形的目的，相比现有的人工找力，计算效率高，且快捷准确。
本文档来自技高网...【技术保护点】
1.一种索网结构的自由节点坐标预测方法，其特征在于，包括：
2.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述深度学习找形模型包括输入层、多个隐藏层和输出层，包括：
3.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述步骤2，设置深度学习找形模型的初始参数，包括：
4.根据权利要求2所述的索网结构的自由节点坐标预测方法，其特征在于，每一个所述隐藏层的加权求和与激活处理，包括：
5.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述步骤4，根据所有所述边界节点坐标、所有所述自由节点优化方向值和所有所述自由节点坐标预测值，计算所述深度学习找形模型的损失函数值，包括：
6.根据权利要求5所述的索网结构的自由节点坐标预测方法，其特征在于，根据所有边界节点坐标和所有自由节点坐标预测值，分别计算所有自由节点上x、y和z方向上物理平衡方程的均方残差MSEx、MSEy和MSEz，包括：
7.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述步骤5，
8.一种索网结构的自由节点坐标预测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现权利要求1-7任一项所述的索网结构的自由节点坐标预测方法。
10.一种计算机可读存储介质，其上存储有计算机管理类程序，其特征在于，所述计算机管理类程序被处理器执行实现权利要求1-7任一项所述的索网结构的自由节点坐标预测方法。
...【技术特征摘要】
1.一种索网结构的自由节点坐标预测方法，其特征在于，包括：
2.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述深度学习找形模型包括输入层、多个隐藏层和输出层，包括：
3.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述步骤2，设置深度学习找形模型的初始参数，包括：
4.根据权利要求2所述的索网结构的自由节点坐标预测方法，其特征在于，每一个所述隐藏层的加权求和与激活处理，包括：
5.根据权利要求1所述的索网结构的自由节点坐标预测方法，其特征在于，所述步骤4，根据所有所述边界节点坐标、所有所述自由节点优化方向值和所有所述自由节点坐标预测值，计算所述深度学习找形模型的损失函数值，包括：
6.根据权利要求5所述的索网结构的自由节点坐标预测方法，其特征在...
【专利技术属性】
技术研发人员：曾明会，李治，徐礼华，
申请(专利权)人：中信建筑设计研究总院有限公司，
类型：发明
国别省市：
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。