一种三维结构位移场和应力场概率预测方法及系统

本发明属于三维结构物理场预测，具体涉及一种三维结构位移场和应力场概率预测方法及系统。

背景技术：

1、复杂三维工程结构通常承受多方向、多幅值以及多种约束形式共同作用的载荷，其位移场、应力场、应变场及等效应力分布是进行结构设计、强度校核和安全裕度分析的重要依据。对于具有孔洞、筋板、过渡圆角、接触边界或非规则外形的三维承力结构，结构响应在空间上通常呈现非均匀性，局部还可能出现应力集中，需要获得结构域内部、结构表面及工程关注区域的物理场信息。

2、现有工程分析通常采用有限元方法计算三维结构的位移场和应力场。其实施一般涉及几何清理、网格划分、材料参数设置、边界条件和载荷条件施加及求解。当结构几何、载荷、约束或材料参数发生变化时，往往需要重新建模或求解。对于复杂结构、多工况分析、设计方案反复迭代或在线状态评估，重复进行高保真计算会占用较多计算资源和处理时间。

3、为提高结构响应预测效率，部分基于规则张量表示的深度学习方法将结构几何和物理场转换为规则图像、体素或固定网格上的张量。对于复杂三维结构，这些转换涉及插值、重采样、投影或体素化，可能弱化孔边、圆角和筋板连接处的局部几何信息。固定输出节点还限制模型直接适配临时指定的查询位置和局部查询密度。此外，单个确定性物理场结果不足以直接给出响应分布的离散程度及超限样本比例。

4、因此，需要在不依赖规则体素化或固定输出节点的情况下，结合结构条件和当前随机场状态，在非规则查询点集合上生成多个位移场和应力场预测样本，以支持概率统计及局部风险分析。

技术实现思路

1、本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种三维结构位移场和应力场概率预测方法及系统。

2、为了达到上述发明目的，本发明采用以下技术方案：

3、第一方面，本发明提供一种三维结构位移场和应力场概率预测方法，包括以下步骤：

4、获取待预测三维结构的条件信息，并根据预测任务确定待预测查询点集合；

5、在待预测查询点集合上初始化带噪物理场状态；

6、调用条件扩散模型，按照扩散时间步的反向顺序对待预测查询点集合上的当前带噪物理场状态执行迭代去噪采样，并采用不同随机初始状态重复采样，获得待预测查询点集合上的多个物理场预测样本；其中，条件扩散模型包含基于点云神经算子构建的条件去噪网络，点云神经算子在每一反向扩散时间步中，建立当前带噪物理场状态、当前扩散时间步、条件信息及查询点空间位置到预测噪声的坐标相关映射关系，根据预测噪声更新前一扩散时间步的物理场状态，以在非规则查询点集合上执行反向扩散采样；

7、对多个物理场预测样本进行统计分析，生成待预测三维结构的位移场和应力场概率预测结果。

8、作为一种优选的实施方式，条件扩散模型还包括噪声调度模块、扩散时间步嵌入模块、条件编码模块和反向采样更新模块；

9、噪声调度模块用于确定各扩散时间步对应的噪声调度参数；扩散时间步嵌入模块用于生成当前扩散时间步对应的时间步特征；条件编码模块用于对条件信息进行编码，生成结构条件特征；反向采样更新模块用于根据预测噪声、当前带噪物理场状态以及对应的噪声调度参数，计算前一扩散时间步对应的物理场状态。

10、作为一种优选的实施方式，还包括：

11、基于各查询点处物理场预测样本的统计结果，计算用于表征预测结果离散程度的不确定性指标和用于表征结构安全状态的风险指标中的至少一种；不确定性指标包括预测方差、预测标准差和预测区间宽度中的至少一种，风险指标包括超过预设安全阈值的超限概率；

12、根据不确定性指标和风险指标中的至少一种确定待优化区域，并在待优化区域内生成空间采样密度高于原查询点集合的密集查询点集合；在保持条件信息不变的情况下，在密集查询点集合上重新初始化带噪物理场状态，并重复执行完整的迭代去噪采样和统计分析，得到待优化区域的局部精细化位移场和应力场概率预测结果。

13、作为一种优选的实施方式，条件扩散模型采用以下过程训练：

14、获取多个三维结构训练样本的训练条件信息，确定对应的训练查询点集合，并获取训练查询点集合上的干净物理场样本；

15、按照预设噪声调度策略，对干净物理场样本进行正向扩散加噪，得到对应扩散时间步下的带噪物理场状态；

16、将训练条件信息、训练查询点集合中各查询点的坐标、当前扩散时间步以及带噪物理场状态输入条件去噪网络，输出与各查询点对应的预测噪声，并根据预测噪声、带噪物理场状态及对应的噪声调度参数恢复干净物理场估计；

17、根据干净物理场估计与干净物理场样本之间的差异计算物理场重构损失，基于物理场重构损失与噪声预测损失训练条件扩散模型；噪声预测损失根据预测噪声与正向扩散过程中加入的随机噪声之间的差异计算。

18、作为一种优选的实施方式，条件去噪网络包括查询点编码网络、带噪物理场状态编码网络和融合解码网络；

19、查询点编码网络用于对各查询点的空间坐标进行编码，得到查询点空间特征；

20、带噪物理场状态编码网络用于根据查询点之间的相对空间位置及邻域查询点对应的当前带噪物理场状态进行特征编码，并对邻域查询点特征进行置换不变聚合，得到各查询点对应的带噪物理场上下文特征；

21、融合解码网络用于融合查询点空间特征、结构条件特征、时间步特征以及带噪物理场上下文特征，输出各查询点对应的预测噪声。

22、作为一种优选的实施方式，条件信息还包括条件测点集合，条件测点集合包括测点坐标、观测物理量类型、观测物理场值；

23、在反向扩散采样过程中，将条件测点集合输入条件扩散模型，使条件去噪网络根据条件测点集合对各查询点对应的预测噪声的生成进行条件引导，以约束物理场预测样本的生成。

24、作为一种进一步优选的实施方式，观测物理量类型包括位移、应变和应力中的至少一种；观测物理场值来源于现场传感器采集数据、实验测量数据和数值模拟结果中的至少一种。

25、作为一种优选的实施方式，方法还包括，基于多个物理场预测样本获得以下派生结构响应结果中的至少一种：

26、基于预测应力分量计算得到的等效应力和主应力；基于预测位移场按照预设应变—位移关系计算得到的应变分量；以及基于多个物理场预测样本和预设安全阈值统计得到的超限概率。

27、作为一种优选的实施方式，待预测查询点集合包括位于待预测三维结构的结构域内部、结构表面、边界区域、载荷作用区域、工程关注区域和有限元离散节点位置中的至少一种位置的多个三维空间点。

28、另一方面，本发明还提供一种三维结构位移场和应力场概率预测系统，包括：

29、条件信息获取模块，用于获取待预测三维结构的条件信息，并根据预测任务确定待预测查询点集合；

30、噪声初始化模块，用于在待预测查询点集合上初始化带噪物理场状态；

31、迭代去噪模块，调用条件扩散模型，按照扩散时间步的反向顺序对待预测查询点集合上的当前带噪物理场状态执行迭代去噪采样，并采用不同随机初始状态重复采样，获得待预测查询点集合上的多个物理场预测样本；其中，条件扩散模型包含基于点云神经算子构建的条件去噪网络，点云神经算子在每一反向扩散时间步中，建立当前带噪物理场状态、当前扩散时间步、条件信息及查询点空间位置到预测噪声的坐标相关映射关系，根据预测噪声更新前一扩散时间步的物理场状态，以在非规则查询点集合上执行反向扩散采样；

32、统计输出模块，用于对多个物理场预测样本进行统计分析，生成待预测三维结构的位移场和应力场概率预测结果。

33、与现有技术相比，本发明提供的三维结构位移场和应力场概率预测方法及系统，具有以下有益效果：

34、本发明基于查询点集合进行三维结构响应物理场预测，无需预先将复杂三维结构转换为规则体素或固定输出网格，减少由规则化空间离散带来的几何信息转换过程；通过点云神经算子对查询点位置、当前带噪物理场状态以及条件信息进行联合建模，并利用邻域查询点特征的置换不变聚合获得局部物理场上下文信息，使条件扩散反向采样能够在非规则且数量可变的查询点集合上执行；通过采用不同随机噪声初始状态重复执行反向扩散采样，可以获得多个结构响应物理场预测样本，并据此计算位移场和应力场概率预测。此外，可以灵活地根据不确定性指标和/或风险指标对工程关注区域进行查询点加密，从而实现局部区域的精细化概率预测。