一种基于图神经网络的类桁架单胞结构等效力学性能预测方法

本发明公开一种基于图神经网络的类桁架单胞结构等效力学性能预测方法，根据类桁架单胞的几何结构特点，采用图形式对类桁架单胞几何结构进行了统一表征。随后通过拉丁超立方抽样方法构建了含不同构型的类桁架单胞几何构型数据库，并采用均匀化理论求解了单胞相应的等效宏观力学性能。基于上述的数据集，基于图神经网络构建了类桁架单胞等效力学性能的预测模型，并通过验证集对所构建神经网络预测模型的准确度进行了评估。本发明区别于传统基于有限元计算求解等效力学性能的方法，构建基于神经网络的类桁架单胞等效力学性能求解方法，有效提升面向大规模异构单胞构型的求解速度，可进一步服务基于类桁架单胞的异构点阵跨尺度结构优化设计当中。