学术报告
您当前所在位置是: 首页 >> 学术报告 >> 正文
基于人工神经网络的结构稳态温度场与位移场数值仿真方法研究
浏览量:

       报告题目:基于人工神经网络的结构稳态温度场与位移场数值仿真方法研究

       报告人:高欢欢,吉林大学机械与航空航天工程学院

       报告时间:2022年5月13日(星期五)上午10:00-12:00

       报告地点:线上报告,腾讯会议ID:503-668-167

       邀请人:肖曼玉副教授

       报告简介:基于能量法的结构温度场与位移场的仿真方法是一类直接以结构场量的势能泛函最小化为手段的结构计算策略。得益于以人工神经网络为代表的机器学习技术的显著发展,该种方法直接构建结构的未知场量,并依托人工神经网络的高度自动化的求导与训练手段,获取最终的目标真实稳态场量。本报告主要介绍了深度热能量法和浅度能量法在预测结构温度场和位移场方面的原理、架构和预测效果,并为未来该方法的多物理场仿真计算领域的应用指出了方向。

 

 

       专家简介:高欢欢,男,1988年10月出生,2011年7月获得西北工业大学学士学位,2014年4月获得西北工业大学硕士学位,分别于2018年10月和2019年2月获得比利时布鲁塞尔自由大学博士学位和法国贡比涅技术大学博士学位。2019年9月入职吉林大学机械与航空航天工程学院力学系,担任讲师职位。2020年12月进入杭州东华链条集团有限公司博士后工作站工作。主要从事机器学习辅助结构仿真分析和优化方面的研究,共发表论文SCI/EI期刊6篇,申请专利3项,并担任《Experimental Techniques》的期刊审稿人。