(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111598711.X (22)申请日 2021.12.24 (71)申请人 昆明理工大 学 地址 650500 云南省昆明市呈贡区景明南 路727号 (72)发明人 高阳　刘孝保　孙海彬　 (74)专利代理 机构 北京奥肯律师事务所 1 1881 代理人 马聪 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/25(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于PSO-BP神经网络的梁单元结构优 化方法 (57)摘要 本发明公开了一种PSO ‑BP神经网络的梁单 元结构优化方法， 所述方法包括： 先使用ABAQUS 确定梁单元结构在所需刚度强度条件下的尺寸 界限， 在根据所需优化参数的组合中提取出一部 分作为PSO的初 始化粒子， 使用PSO对BP神经网络 进行初始权值和阈值的优化。 并对梁 单元结构 进 行参数化 建模， 通过Anaconda  Jupyter进行二次 开发的编程， 批量生成*.inp文件， 通过批处理文 件格式*.b at批量提交文件到求解器进行求解， 最后提取结果中的所需数据作为BP神经网络的 初始输入数据。 通过AB AQUS二次开发及优 化算法 的联合使用可对梁单元结构进行快速高效的结 构优化， 同时算法的改进可提高BP神经网络的收 敛速度， 提高了梁单 元结构的优化效率。 权利要求书1页 说明书4页 附图3页 CN 114117871 A 2022.03.01 CN 114117871 A 1.一种基于P SO‑BP的梁单 元结构优化方法， 其特 征在于， 包括： 根据预设的参数进行组合， 并将其中部分给P SO进行优化。 获取最优初始权值和阈值； 根据BP神经网络对梁单元结构进行参数化设计， 并基于ABAQUS进行二次开发， 以批量 生成CAE求 解文件和提取仿真数据； 根据所述最优权值和阈值， 将提取的数据进行处理后作为BP神经网络的训练数据， 并 获取优化后的设计参数； 将所述训练后的参数输入SolidWorks中进行参数更新， 并获取更新后的三视图及工程 图。 2.根据权利 要求1所述的基于PSO ‑BP神经网络的梁单元结构优化方法。 其特征在于， 根 据预设的参数进行组合， 并将其中部分参数组合给PSO进行优化。 获取最优权值和阈值。 包 括： 根据所述PS O算法， 将 设计参数组合的一部分作 为PSO算法的初始化粒子， 在 经过PSO算 法运行过后可生成BP神经网络的初始最优权值和阈值。 3.根据所述权利要求2中的基于PSO ‑BP神经网络的梁单元结构优化方法， 所述的根据 设计参数后对ABAQUS进行二次开发， 包括： 在ABAQUS宏功能中对操作步骤生成相应代码进行记录。 并在Jupyter中对代码进行修 改实现批量 生成*.inp文件以及通过bat文件批量 提交给求 解器求解。 4.根据所述权利要求3所述的基于PSO ‑BP神经网络的梁单元结构优化方法， 其特征在 于根据求 解器求解过后对所 得仿真文件进行 数据提取， 包括： 所提取的仿真数据包括梁单元结构连接处 的应力、 应变、 位移以及塑性变形等数据， 并 再处理后构建数据集。 5.根据权利 要求4所述的基于PSO ‑BP神经网络的梁单元结构优化方法， 其特征在于， 所 述优化过后的权值和阈值， 包括： 对设计参数和BP神经网络进行分析过后确定BP神经网络各层结构， 并由BP神经网络进 行训练以获取训练后的设计参数。 6.根据权利 要求5所述的基于PSO ‑BP神经网络的梁单元结构优化方法， 其特征在于， 所 述更新设计后的结构包括： 再SW中进行参数化设计过后， 通过方程式功能将各设计参数进行链接， 再过去更新参 数后再参数化模型中更新 参数并生成三视图以及工程图。 7.一种计算机终端设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器， 与所述处 理器耦接， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1至4任一项所述的基于ABAQUS的梁单 元结构优化方法。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现如权利要求1至4任一项所述的基于ABAQUS的梁单 元结构优化方法。权　利　要　求　书 1/1 页 2 CN 114117871 A 2一种基于PSO ‑BP神经网络的梁单元结构优化方 法 技术领域 [0001]本发明涉及工业软件设计的技术领域， 尤其设计一种基于PSO ‑BP神经网络的梁单 元结构优化方法。 背景技术 [0002]随着现代科学技术的不断发展， 工业软件及优化设计方法都在不断增加， 其中优 化设计是以数学的优化理论为基础， 通过计算机工业软件及二次开 发编程来达到优化的目 的。 [0003]现有技术将ABAQUS与BP神经 网络进行联合优化仿真。 首先对梁单元结构进行初始 结构设计， 并将设计参数组合的一部分作为PSO的初始化粒子， 对  BP神经网络的初始权值 和阈值进行优化。 通过ABA QUS软件宏录制功能对梁 单元结构进行参数化建模。 在Jupyter中 进行python二次开发编程， 快速批量的修改所需优化参数的*.inp文件， 经批量提交CAE求 解器之后提取所需要的仿 真数据。 在确定BP神经网络各层结构之后就可将数据导入神经网 络进行训练并进行 预测。 且使用P SO‑BP优化时所需的时间短且效率高。 发明内容 [0004]本发明的目的在 于， 提供一种基于PSO ‑BP的梁单元结构优化方法以解决优化效率 低、 重复性较高的问题。 [0005]为实现上述目的， 本发明提供一种基于P SO‑BP神经网络的梁单 元结构优化方法。 [0006]根据梁单元结构初始结构参数确定PSO初始粒子群。 采用PSO算法优化BP  神经网 络初始权值和阈值。 根据所得初始最优权值和阈值， 构建PSO ‑BP神经网络的预测模 型。 对所 需优化的梁单元结构进行参数化建模， 并以TXT文本格式输入设计参数后建立相对应的梁 单元结构有限元模型。 [0007]根据ABAQUS宏录制功能所得的文件进行二次开发， 并结合相应的GUI界面实现批 量生成ABAQUS所需*.inp文件及数据提取的功能。 在确定BP神经网络各层参数后将所得数 据输入BP神经网络进行训练以提高BP预测模型的准确率。 同时在SW中进行二次开发， 实现 梁单元结构的三视图及工程图的快速生成功能。 [0008]本发明还提供一种计算机终端设备， 包括一个或多个处理器和存储器。 存储器与 所述处理器耦接， 用于存储一个或多个程序； 当所述一个或多个程序被所述一个或多个处 理器执行， 使得所述一个或多个处理器实现如上述任一 实施例所述的基于PSO ‑BP的梁单元 结构优化方法。 [0009]本发明还提供一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所 述计算机程序被处理器执行时实现如上述任一 实施例所述的基于PSO ‑BP 的梁单元结构优 化方法。说　明　书 1/4 页 3 CN 114117871 A 3