[发明专利]基于图神经网络的弹性杆系结构体系数据处理方法及装置

说明书

本发明公开了基于图神经网络的弹性杆系结构体系数据处理方法及装置，该方法包括：获取杆系结构体系数据，提取所述杆系结构体系数据中的拓扑特征，基于所述拓扑特征构建图数据结构；获取外部荷载，将所述图数据结构与所述外部荷载输入图神经网络模型，生成弹性杆系结构体系数据处理结果。本方法基于图神经网络的弹性杆系结构体系数据处理方法及装置，基于杆系结构体系中拓扑特征构建图数据结构，使得图数据结构能够完整描述杆系结构体系的层次信息，对杆系结构体系进行了高保真数字化的表示，并且通过对图神经网络模型进行训练的过程实现对杆系结构体系的内力计算，保证了内力计算结果的正确性，提高了对弹性杆系结构体系内力计算的效率。

技术领域

本发明涉及弹性杆系结构技术领域，具体涉及基于图神经网络的弹性杆系结构体系数据处理方法及装置。

背景技术

结构体系计算是工程中的重中之重，贯穿工程结构全寿命周期各阶段。其中，杆系结构体系是一种主要的结构形式，覆盖框架、大跨空间网架、桥梁等大量工程应用场景，因此，实现对杆系结构体系的高效分析，具有极为可观的工程应用价值。

现阶段，三维杆系结构体系内力计算理论主要依赖在相关设计或通用软件上进行三维建模并定义工况完成对内力的计算分析。然而，传统方法存在以下局限性：(1)建模过程依赖人工，参数化程度较低。在工程设计阶段，需要对大量相似的结构方案进行参数分析与性能对比，传统方法通常不得不对所有方案进行重新建模，效率较低。(2)分析过程不可微，阻碍了端到端的结构设计优化流程。在实际工程中，结构设计是一个迭代优化的过程，近年来得益于信息技术的发展，工程人员尝试采用计算机算法进行方案自动优化。然而，传统分析过程受制于外部软件，导致整体优化过程不可微，阻碍了以梯度下降为核心的高效优化算法的应用，只能采用遗传算法等启发式算法或随机算法，优化效率低下，拖累设计工期。

随着数字孪生等信息化、智能化转型理念的推广，以机器学习、深度学习为代表的新一代人工智能技术凭借卓越的拟合精度、计算效率以及可微分能力，正吸引越来越多研究者将其应用于土木工程结构计算方向，以期超越传统计算模型的性能表现，追求实现工程结构在数字世界的高效仿真。目前，结构智能计算领域的研究已覆盖工程结构各个层次，例如在材料层次，可以根据机器学习方法预测混凝土材料强度；在杆件层次，可通过深度神经网络预测钢筋混凝土结构的抗剪承载力；在体系层次，可利用循环神经网络等模拟结构的地震时程响应等。因此，人工智能技术是传统杆系结构体系内力计算方法极具前景的更替选择。

但是，目前结构智能计算在体系层次的技术只能应用于特定的可进行自由度凝聚的结构体系，不具有通用性，存在以下缺陷：数字化表征手段缺失，结构体系层次由于繁复的拓扑连接关系与组成杆件布置，其特征复杂度相较于材料与杆件层次呈指数上升，目前线性的数据组织方式无法完整描述结构体系的完整特征；面临严重的数据匮乏问题，现有智能计算模型采用的均为数据驱动模式，依赖大量的数据训练和参数调整，而体系层次试验数据少，数据生成成本高，存在严重的数据匮乏和参数不完备问题，导致以大数据为驱动逻辑的经典智能模型适用性差；计算结果理论正确性难以保证，基于数据驱动的智能模型其推理过程是一个黑匣子，忽视了结构工程鲜明的力学意义，研究者与工程人员难以根据部分测试结果判断模型的正确性，这对于以安全性为首要目标的工程应用而言是无法接受的。

综上所述，现有结构智能计算技术在体系层次的应用还存在诸多局限性，距离工程实际应用还有极大改进空间。

发明内容

因此，本发明要解决的技术问题在于克服目前结构智能计算在体系层次的技术只能应用于特定的可进行自由度凝聚的结构体系，不具有通用性，数字化表征手段缺失、面临严重的数据匮乏问题且计算结果理论正确性难以保证的缺陷，从而提供基于图神经网络的弹性杆系结构体系数据处理方法及装置。

本发明实施例提供了基于图神经网络的弹性杆系结构体系数据处理方法，包括如下步骤：

获取杆系结构体系数据，提取所述杆系结构体系数据中的拓扑特征，基于所述拓扑特征构建图数据结构；