基于深度学习的车载炮驾驶室表面冲击载荷快速预测方法

作     者：周梦笛 钱林方 曹从咏 陈光宋 徐亚栋 魏胜程 Mengdi Zhou;Linfang Qian;Congyong Cao;Guangsong Chen;Yadong Xu;Shengcheng Wei

作者机构：School of Mechanical EngineeringNanjing University of Science and TechnologyNanjing210094China Northwest Institute of Mechanical and Electrical EngineeringXianyang712099China School of AutomationNanjing University of Science and TechnologyNanjing210094China 

基　　金：the National Natural Science Foundation of China(Grant No.U2141246) 

出 版 物：《Acta Mechanica Sinica》 (力学学报（英文版）)

年 卷 期：2024年第40卷第4期

页      码：99-112页

摘      要：在车载炮驾驶室拓扑优化设计和刚强度分析计算中,需要明确大量的、不同射击条件下的冲击载荷.如何快速获取驾驶室表面的冲击载荷是车载炮设计中尚未解决的难题之一.本文将深度学习方法引入到驾驶室表面冲击载荷的求解中,基于卷积-多维特征LSTM神经网络,提出了一种驾驶室表面冲击载荷快速预测方法,实现了不同发射条件下驾驶室表面冲击载荷计算,求解速度接近实时级别.算例结果表明,深度学习模型的求解精度与传统CFD仿真精度相当,但求解耗时在毫秒级,大大提高了计算效率,具备离线训练、在线计算的潜力.且当驾驶室形貌特征轻微变化时,本文模型依然适用.本文成果可快速为驾驶室刚强度校核和拓扑优化提供载荷条件,有助于缩短车载炮研发周期,为车载炮系统的数字孪生模型构建奠定了基础.

主 题 词：深度学习 冲击载荷 驾驶室 CFD仿真 拓扑优化 多维特征 刚强度分析 在线计算 

学科分类：08[工学] 082304[082304] 080204[080204] 0802[工学-机械学] 0801[工学-力学类] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.1007/s10409-023-23319-x

馆 藏 号：203127407...