非均匀边界条件和载荷下的硬化板的异构图表示
计算工程、金融与科学
2026-01-12 v1 机器学习
摘要
结构分析和优化中至关重要的是代理模型。我们提出了一种表示非均匀边界条件和多样化加载情景的硬化板的异构图表示方法，采用异构图神经网络 (HGNN)。结构被划分为多个结构单元，如刚肋和它们之间的板，每种单元由三种不同类型的节点表示：几何节点、边界节点和加载节点。通过引入连接节点的局部方向和空间关系，引入边的异构性。提出了若干异构图表示，每种表示的异构性程度不同。将这些表示实现于异构图变换器 (HGT) 中，用于预测硬化板上的 von Mises 应力和位移场，基于其边界上的加载和自由度。为评估我们方法的有效性，我们对承受补丁载荷的板以及在各种加载条件下由硬化板组成的盒型梁进行数值测试。进行数值测试后，我们将异构图表示与同构对手进行了比较，结果表明其性能优越。此外，还对图的异构性对 HGT 性能的影响进行了消融分析。结果显示，在位移和 von Mises 应力方面，方法具有强大的预测精度，有效捕捉结构行为模式和最大值。
引用
@article{arxiv.2510.02472,
title = {Heterogeneous Graph Representation of Stiffened Panels with Non-Uniform Boundary Conditions and Loads},
author = {Yuecheng Cai and Jasmin Jelovica},
journal= {arXiv preprint arXiv:2510.02472},
year = {2026}
}
备注
This is a preprint and has been submitted to Engineering with Computers