本發明涉及應力預測，尤其是涉及一種應力預測方法、裝置、設備及介質。

背景技術：

1、隨著科技的發展，產品的功能和結構日益復雜，應力分析對于保障工程結構安全、優化制造工藝等方面具有重要意義。當產品同時受到多種應力的影響時，需要對每一種應力進行嚴格控制。但目前存在針對產品制造過程應力數據難以采集的問題。

技術實現思路

1、本發明的目的在于提供一種應力預測方法、裝置、設備及介質，用于解決。目前針對產品制造過程應力數據難以采集的問題。

2、為了達到上述目的，第一方面，本發明提供一種應力預測方法，包括：

3、獲取待壓制成型的目標對象的空間坐標；

4、將所述目標對象的空間坐標和所述目標對象壓制過程對應的加載時間輸入至應力預測模型進行應力預測，獲得預測結果，所述預測結果包括應力預測結果和應變預測結果；

5、其中，所述應力預測模型是基于各訓練對象在壓制過程中的彈塑性本構關系，通過訓練物理信息神經網絡得到的。

6、在一些實施例中，所述方法還包括：

7、獲取訓練數據集，所述訓練數據集包括多個訓練對象中每個訓練對象的空間坐標和所述訓練對象壓制過程中對應的加載時間；

8、基于所述訓練數據集，使用偏微分方程損失函數訓練物理信息神器網絡，獲得預訓練模型，所述偏微分方程損失函數與訓練對象在壓制過程中的彈塑性本構方程的損失項相關，所述彈塑性本構方程用于表征彈塑性本構關系；

9、基于所述訓練數據集，使用第一損失函數訓練所述預訓練模型，得到所述應力預測模型，所述第一損失函數與訓練對象在壓制過程中的邊界條件的損失項和初始條件的損失項相關。

10、在一些實施例中，所述偏微分方程損失函數為訓練對象在壓制過程中的彈塑性本構方程的損失函數、訓練對象在壓制過程中的應力平衡方程的損失函數和訓練對象在壓制過程中表征應力與位移幾何關系的幾何方程的損失函數之和；其中，所述彈塑性本構方程的損失函數為彈塑性本構方程的損失項與第一權重系數的乘積，所述應力平衡方程的損失函數為應力平衡方程的損失項與第二權重系數的乘積，所述幾何方程的損失函數為幾何方程的損失項與第三權重系數的乘積。

11、在一些實施例中，所述基于所述訓練數據集，使用第一損失函數訓練所述預訓練模型，得到所述應力預測模型，包括：

12、基于所述訓練數據集，在第i次訓練過程中，針對構成權重調整前的第一損失函數的每個損失項，根據所述損失項的平均梯度和所述損失項本身大小，確定所述損失項對應的新的權重系數，i＝1、2……；

13、根據構成第一損失函數的每個損失項和每個損失項對應的新的權重系數，確定權重調整后的第一損失函數；

14、利用所述權重調整后的第一損失函數，調整所述預訓練模型的網絡參數，用于第i+1次訓練；

15、將i+1賦值給i后，返回執行上述步驟，直到訓練滿足條件后，獲得所述應力預測模型。

16、在一些實施例中，所述根據所述損失項的平均梯度和所述損失項本身大小，確定所述損失項對應的新的權重系數，包括：

17、根據所述損失項的平均梯度和所述損失項本身大小，計算得到第四權重系數；

18、根據所述損失項在權重調整前對應的權重系數和所述第四權重系數，計算得到所述損失項對應的新的權重系數。

19、在一些實施例中，所述利用所述權重調整后的第一損失函數，調整所述預訓練模型的網絡參數，包括：

20、固定所述預訓練模型的預設層的權重和參數；

21、以第一學習率和所述權重調整后的第一損失函數，調整所述預訓練模型除所述預設層外其余層的權重和參數，其中，所述第一學習率小于預設閾值。

22、第二方面，本發明還提供一種應力預測裝置，包括：

23、第一獲取模塊，用于獲取待壓制成型的目標對象的空間坐標；

24、應力預測模塊，用于將所述目標對象的空間坐標和所述目標對象壓制過程對應的加載時間輸入至應力預測模型進行應力預測，獲得預測結果，所述預測結果包括應力預測結果和應變預測結果；

25、其中，所述應力預測模型是基于各訓練對象在壓制過程中的彈塑性本構關系，通過訓練物理信息神經網絡得到的。

26、第三方面，本發明還提供一種應力預測設備，包括處理器和收發器，所述收發器在處理器的控制下接收和發送數據，所述處理器用于執行以下操作：

27、獲取待壓制成型的目標對象的空間坐標；

28、將所述目標對象的空間坐標和所述目標對象壓制過程對應的加載時間輸入至應力預測模型進行應力預測，獲得預測結果，所述預測結果包括應力預測結果和應變預測結果；

29、其中，所述應力預測模型是基于各訓練對象在壓制過程中的彈塑性本構關系，通過訓練物理信息神經網絡得到的。

30、第四方面，本發明還提供一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如第一方面所述的應力預測方法中的步驟。

31、第五方面，本發明還提供一種計算機程序產品，包括計算機指令，所述計算機指令被處理器執行時實現如第一方面所述的應力預測方法中的步驟。

32、本發明的上述技術方案至少具有如下有益效果：

33、本發明實施例中，通過獲取待壓制成型的目標對象的空間坐標；將目標對象的空間坐標和目標對象壓制過程中對應的加載時間輸入至應力預測模型進行應力預測，獲得預測結果，預測結果包括應力預測結果和應變預測結果；其中，應力預測模型是基于各訓練對象在壓制過程中的彈塑性本構關系，通過訓練物理信息神經網絡得到的，這樣，利用彈塑性變形理論，通過訓練物理信息神經網絡得到的應力預測模型，能夠實現產品在制造過程中的應力預測，采集到應力數據。

技術特征：

1.一種應力預測方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

3.根據權利要求2所述的方法，其特征在于，所述偏微分方程損失函數為訓練對象在壓制過程中的彈塑性本構方程的損失函數、訓練對象在壓制過程中的應力平衡方程的損失函數和訓練對象在壓制過程中表征應力與位移幾何關系的幾何方程的損失函數之和；其中，所述彈塑性本構方程的損失函數為彈塑性本構方程的損失項與第一權重系數的乘積，所述應力平衡方程的損失函數為應力平衡方程的損失項與第二權重系數的乘積，所述幾何方程的損失函數為幾何方程的損失項與第三權重系數的乘積。

4.根據權利要求2所述的方法，其特征在于，所述基于所述訓練數據集，使用第一損失函數訓練所述預訓練模型，得到所述應力預測模型，包括：

5.根據權利要求4所述的方法，其特征在于，所述根據所述損失項的平均梯度和所述損失項本身大小，確定所述損失項對應的新的權重系數，包括：

6.根據權利要求4所述的方法，其特征在于，所述利用所述權重調整后的第一損失函數，調整所述預訓練模型的網絡參數，包括：

7.一種應力預測裝置，其特征在于，包括：

8.一種應力預測設備，包括處理器和收發器，所述收發器在處理器的控制下接收和發送數據，其特征在于，所述處理器用于執行以下操作：

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1至6任一項所述的應力預測方法中的步驟。

10.一種計算機程序產品，其特征在于，包括計算機指令，所述計算機指令被處理器執行時實現如權利要求1至6任一項所述的應力預測方法中的步驟。

技術總結
本發明提供一種應力預測方法、裝置、設備及介質。該方法包括獲取待壓制成型的目標對象的空間坐標；將所述目標對象的空間坐標和所述目標對象壓制過程對應的加載時間輸入至應力預測模型進行應力預測，獲得預測結果，所述預測結果包括應力預測結果和應變預測結果；其中，所述應力預測模型是基于各訓練對象在壓制過程中的彈塑性本構關系，通過訓練物理信息神經網絡得到的。本發明的方法利用彈塑性變形理論，通過訓練物理信息神經網絡得到的應力預測模型，能夠實現產品在制造過程中的應力預測，采集到應力數據。

技術研發人員：莊存波,劉檢華,鞏浩,趙維亮,漆中華,關迪,袁澤龍,敖曉輝
受保護的技術使用者：北京理工大學
技術研發日：
技術公布日：2025/4/28