StressGAN：用于二维应力分布预测的 generative 深度学习模型
计算机视觉与模式识别
2021-02-24 v1 机器学习
图像与视频处理
摘要
利用深度学习分析机械应力分布随着对快速应力分析方法的需求增长而日益受到关注。深度学习方法在用于加速应力计算并在无底层方程先验知识情况下学习物理规律时取得了优异结果。然而，大多数研究限制了几何或边界条件的变化，使得这些方法难以推广到未见的构型。我们提出了一种条件生成对抗网络（cGAN）模型，用于预测实体结构中的二维 von Mises 应力分布。该 cGAN 通过两个神经网络之间的双人极小极大博弈，在无需先验知识的情况下，学习以几何、载荷和边界条件为条件生成应力分布。通过在两个应力分布数据集上以多种指标评估生成网络，我们证明给定各种复杂几何、载荷和边界条件情况下，我们的模型比基线卷积神经网络模型能预测更准确的的高分辨率应力分布。
引用
@article{arxiv.2006.11376,
title = {StressGAN: A Generative Deep Learning Model for 2D Stress Distribution Prediction},
author = {Haoliang Jiang and Zhenguo Nie and Roselyn Yeo and Amir Barati Farimani and Levent Burak Kara},
journal= {arXiv preprint arXiv:2006.11376},
year = {2021}
}