关键词:
深度学习
自动微分
梯度下降法
桁架结构
材料非线性
摘要:
基于深度学习技术,提出一种基于自动微分技术的桁架结构材料非线性问题求解方案。以各杆件的位移参数作为优化变量,采用随机算法初始化杆件位移,并对结构荷载分段。在每个荷载段中,先通过几何关系由位移参数求得杆件的应变,并由材料的本构关系计算出各杆件的应力,由节点力平衡方程构建损失函数。为了使得损失函数最小,再结合自动微分技术,构建损失函数与节点位移的计算图,以快速求解损失函数关于结点位移的梯度。最后,根据梯度下降法对杆件位移进行迭代优化,直至满足收敛条件。以桁架结构作为研究对象,基于线性强化模型,求解了不同桁架的材料非线性问题,并将计算结果与有限元解进行对比。结果表明,此方案在弹塑性问题分析中的可行性,且求解结果具备较高的精度。