基于内嵌物理信息图神经网络的结构模态计算方法

    公开(公告)号:CN118504151A

    公开(公告)日:2024-08-16

    申请号:CN202410515677.2

    申请日:2024-04-26

    Applicant: 湖南大学

    Abstract: 本申请涉及一种基于内嵌物理信息图神经网络的结构模态计算方法,其具体包括:对物理结构进行网格划分,得到图卷积神经网络的输入层节点特征以及邻接矩阵,将物理信息转换为数字信息,以所述输入层节点特征以及邻接矩阵作为输入层数据,构造图卷积神经网络结构;对图卷积神经网络的边界条件施加硬约束,嵌入第一物理信息,以硬编码的形式使输出层的节点特征强制满足边界条件;构造正交性模块,嵌入第二物理信息,以硬编码的形式使输出层的节点特征强制满足振型正交性条件;基于满足边界条件以及振型正交性条件的节点特征,嵌入第三物理信息,构造基于瑞丽商的损失函数;根据损失函数迭代求解结构各阶模态振型和模态频率。

    基于AI算法的大件运输车辆运输路径规划方法及系统

    公开(公告)号:CN118761535B

    公开(公告)日:2024-12-31

    申请号:CN202411254084.1

    申请日:2024-09-09

    Abstract: 本申请涉及一种基于AI算法的大件运输车辆运输路径规划方法、系统、计算机设备、存储介质和计算机程序产品。该方法包括:搭建区域内路线通行信息和交通枢纽信息数据库;获取大件运输车辆的起点、终点以及车辆信息;根据起点和终点,将数据库中路线和交通枢纽转化为图神经网络中的图结构,生成目标区域的图结构及图结构信息;图结构以道路间的互通枢纽为节点,以互通枢纽间的道路为边;图结构信息包括节点特征信息和边特征信息;将起点、终点、车辆信息、目标区域的图结构以及图结构信息,输入预先训练好的预测模型,通过预测模型,输出大件运输车辆的最优运输路径,预测模型为神经网络模型。该方法即可高效生成最优运输路径。

    基于AI算法的大件运输车辆运输路径规划方法及系统

    公开(公告)号:CN118761535A

    公开(公告)日:2024-10-11

    申请号:CN202411254084.1

    申请日:2024-09-09

    Abstract: 本申请涉及一种基于AI算法的大件运输车辆运输路径规划方法、系统、计算机设备、存储介质和计算机程序产品。该方法包括:搭建区域内路线通行信息和交通枢纽信息数据库;获取大件运输车辆的起点、终点以及车辆信息;根据起点和终点,将数据库中路线和交通枢纽转化为图神经网络中的图结构,生成目标区域的图结构及图结构信息;图结构以道路间的互通枢纽为节点,以互通枢纽间的道路为边;图结构信息包括节点特征信息和边特征信息;将起点、终点、车辆信息、目标区域的图结构以及图结构信息,输入预先训练好的预测模型,通过预测模型,输出大件运输车辆的最优运输路径,预测模型为神经网络模型。该方法即可高效生成最优运输路径。

Patent Agency Ranking