一种基于深度学习的薄片类部件性能快速预测方法

本发明涉及人工智能技术领域，具体为一种基于深度学习的薄片类部件性能快速预测方法，采集多工况仿真数据生成训练样本，构建并编码网格拓扑结构提取多维特征，经特征融合与自注意力机制处理后，输入感知机预测应力并评估误差。本发明中，通过引入仿真信息构建结构化训练样本集，结合节点空间坐标、边界约束与连接关系形成的几何结构特征集，使得节点间的相互位置与约束条件在图结构中被完整表达，通过节点级特征提取与特征融合处理，实现节点几何布局与边界相互关系的深度嵌合，通过局部子图与上下文分析建立了空间结构中应力演化路径的可学习表达，在节点图嵌入过程中引入多层特征聚合与注意力机制，强化关键区域的特征响应表达。