本发明公开了一种基于LSTM‑cGAN的含裂纹结构剩余承载力及裂纹扩展路径的预测方法,在训练阶段,首先通过有限元计算或现场实测得到含不同程度裂纹结构的强度及其在加载情况下的裂纹扩展路径,并基于条件生产对抗网络模型和长短时记忆法,同时训练四个深度神经网络包括生成网络G和判断网络D,处理时间序列的LSTM网络以及判断裂纹结构强度的卷积神经网络CNN。训练完成之后,以现场测得的结构裂纹扩展历史输入生成网络G和LSTM网络,得到对应的结构强度及裂纹扩展路径的预测。本发明可以高效地预测含裂纹结构的强度及裂纹扩展路径,将有效实现含裂纹结构的原位无损监测问题。
声明:
“基于LSTM-cGAN的含裂纹结构剩余承载力及裂纹扩展路径的预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)