龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：广东工业大学
申请日：2024-03-08
公开（公告）日：2024-06-07
公开（公告）号：CN118153381A
主分类号：G06F30/23
分类号：G06F30/23;G06F30/25;G06F119/14;G06F111/10
优先权：
专利状态码：在审-公开
法律状态：2024.06.07#公开
摘要：本发明提供了一种基于T2T‑ViT的高密度应力场预测方法、系统及存储介质，所述方法包括：基于有限元法产生的冷冲压过程中的应力场二维数据，得到高密度应力场训练图像；构建T2T‑ViT神经网络预测模型，包括逐层设置的T2T模块和T2T‑ViT主干模块，T2T模块用于将每个图像拆分为具有固定长度的标记序列，T2T‑ViT主干模块包括一个深窄架构的神经网络架构，用于预测输出网格密度数据；将高密度应力场训练图像输入到T2T‑ViT神经网络预测模型中进行训练；利用测试集对训练好的T2T‑ViT神经网络预测模型进行验证；最后，利用经过验证的T2T‑ViT神经网络预测模型进行高密度应力场预测。本发明通过T2T‑ViT架构来实现高密度应力场的快速获取，并且利用感知特征进一步优化高密度应力场，提高预测的准确性。
主权项：1.一种基于T2T-ViT的高密度应力场预测方法，其特征在于，包括以下步骤：S1，获取应力场数据集，并划分为训练集和测试集，对训练集进行数据预处理，得到高密度应力场训练图像；S2，构建T2T-ViT神经网络预测模型，所述T2T-ViT神经网络预测模型包括逐层设置的T2T模块和T2T-ViT主干模块，所述T2T模块用于将每个图像拆分为具有固定长度的标记序列，所述T2T-ViT主干模块包括一个深窄架构的神经网络架构，用于预测输出网格密度数据；S3，将高密度应力场训练图像输入到所述T2T-ViT神经网络预测模型中，对所述T2T-ViT神经网络预测模型进行训练；S4，对所述测试集进行数据预处理，得到高密度应力场测试图像，对训练好的所述T2T-ViT神经网络预测模型进行验证；S5，利用经过验证的T2T-ViT神经网络预测模型进行高密度应力场预测。
全文数据：
权利要求：
百度查询： 广东工业大学 一种基于T2T-ViT的高密度应力场预测方法、系统及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号