Surrogate Model for Predicting Structural Performance of Gears Based on Spatio-Temporal Graph Neural Networks
齿轮啮合动态仿真涉及大规模非结构化有限元网格和长时序非线性数据，代理模型可以替代原始数值分析模型实现快速计算。然而，传统代理模型难以在非结构化网格上捕捉物理场的空间相关性，且对各时间步独立建模，无法反映啮合过程的长时序依赖与非线性演化。为此，本文提出了一种融合图卷积网络（Graph Convolutional Network， GCN）与时序卷积网络（Temporal Convolutional Network， TCN）的时空图神经网络（Spatio-Temporal Graph Neural Network， ST-GNN）代理模型，用于预测齿轮啮合过程中的动态结构性能。首先，构建了有限元...
Guardat en:
| Autors principals: | , , , , |
|---|---|
| Format: | Artigo |
| Idioma: | Inglês |
| Publicat: |
Editorial Department of Journal of Sichuan University (Engineering Science Edition)
2026-01-01
|
| Col·lecció: | 工程科学与技术 |
| Matèries: | |
| Accés en línia: | http://jsuese.scu.edu.cn/thesisDetails#10.12454/j.jsuese.202600086 |
| Etiquetes: |
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
|