有限元位移解的生成式对抗网络替代方法

有限元方法存在求解计算复杂、依赖于网格划分和材料本构关系的缺点。为探索有限元法之外的求解方法,可将位移响应求解过程视为一个给定条件的图片生成过程,从而绕过物理方法求解。文章在生成式对抗网络(GAN)的基础上,结合卷积生成式对抗网络(DCGAN)和条件生成式对抗网络(CGAN),提出并训练了一种代替有限元方法直接求得二维平面位移解的深度学习模型,使得生成的位移分布接近于用有限元法所得的位移分布。仿真结果显示,本模型不仅能够得到位移解的大致分布,而且计算耗时也低于有限元法的,验证了通过GAN求解位移响应的可行性。

国家重点研发计划项目(2016YFB1200505-016); 国家自然科学基金(51675537);

深度学习; 生成式对抗网络; 有限元法; 位移解;

10.13889/j.issn.2096-5427.2019.06.300

TB115;TP18

1057-6261326K
在线咨询 用户反馈