摘要
本发明公开了一种基于深度学习的管道结构应力代理模型构建方法，属于工程力学、能源传输及人工智能领域，首先建立管道的数值模型，通过施加不同载荷模拟不同的环境条件，求解生成大量的仿真数据。随后，对仿真数据进行特征单元提取，以压缩特征维度。接着构建管道应力的深度学习初始代理模型，以有限元仿真数据进行初步训练。最后，基于上述初始代理模型进行迁移学习，分为两个阶段，预训练阶段使用增强的实测样本数据训练，强化阶段使用精确的实测样本进行进一步训练和微调，以提高模型泛化能力。该方法通过构建应力代理模型，能够快速准确地求解应力分布，泛化能力强，能够解决传统物理建模方法在应力监测和预测中的实时性和精度不足的问题。
