RSP-Net:一种基于U-Net的混合网络用于二维机械结构冯·米塞斯应力场预测

《Applied Sciences》:RSP-Net: A U-Net-Based Hybrid Network for Von Mises Stress Field Prediction of 2D Mechanical Structures

【字体: 大 中 小 】 时间:2026年08月28日 来源:Applied Sciences 2.5

编辑推荐:

  在许多固定机械设置下必须检查大量相关二维几何结构时,快速重建有限元应力分布可支持初步筛选。本研究提出一种改进版RSP-Net,用于从二值几何图像重建冯·米塞斯(von Mises)应力分布的归一化RGB渲染图。该架构以U-Net++作为稠密图像到图像骨干网络,

  
在许多固定机械设置下必须检查大量相关二维几何结构时,快速重建有限元应力分布可支持初步筛选。本研究提出一种改进版RSP-Net,用于从二值几何图像重建冯·米塞斯(von Mises)应力分布的归一化RGB渲染图。该架构以U-Net++作为稠密图像到图像骨干网络,并仅在输入阶段和最终全分辨率阶段引入残差Inception(Residual Inception, RI)细化。训练目标将均方误差(Mean Squared Error, MSE)与基于索贝尔(Sobel)的梯度一致性项结合,后者强调渲染应力图案中的局部变化,并在所选设置下主导加权目标。评估采用固定的非重叠训练/验证/测试划分、三个独立训练种子、紧密相关的U-Net基线、两个平凡基线、仅验证集损失权重选择,以及限制在结构区域内的度量。三次运行下,RSP-Net获得RGB-RMSE为0.09727±0.00057,RGB-MAE为0.03799±0.00029,内部RGB-SSIM为0.85616±0.00099。其相对U-Net++的平均改进幅度较小,且在Holm校正后无统计显著性;而梯度一致性项显著改善了RGB-MAE、内部RGB-SSIM、全部三个高梯度区域误差以及Sobel梯度误差,同时使RGB-RMSE增加约1.02%。当提供真实的逐图尺度时,官方颜色表进一步给出归一化标量RMSE为0.04568,条件MPa RMSE为29.83 MPa。由于目标是独立归一化的颜色渲染,该方法重建应力分布图案,但不独立预测以MPa为单位的绝对应力。
研究背景方面,在航空航天、汽车制造与基础设施工程等领域,应力场分析对评估结构响应、定位应力集中区及支撑机械设计至关重要。冯·米塞斯应力场描述规定载荷与边界条件下等效应力的空间分布,有限元分析(Finite-Element Analysis, FEA)可数值表征复杂几何并生成详细结果,但在初步设计与优化中反复仿真大量相关构型时计算负担沉重。深度学习驱动的图像到图像回归为替代提供可能,U-Net及其变体因编码-解码结构与跳跃连接适于空间对齐的同分辨率几何图与应力渲染图重建;然而在尖角、窄区与局部不连续处标准卷积单感受野尺度不足,且像素级MSE易使过渡过平滑。该论文发表于《Applied Sciences》,研究人员开展改进版RSP-Net研究,在固定材料、支撑、厚度与重力条件下,从二值几何图重建归一化RGB应力渲染,明确其为目标图案重建而非独立MPa预测,结论支持该网络作为单一固定场景下的数据驱动渲染代理。
主要关键技术方法上,研究人员采用Mendeley Data发布的270,794对随机二维结构FEA图像(Version 2,CC BY 4.0),固定随机种子42划分为243,714训练、13,539验证、13,541测试且文件级不重叠;以U-Net++为骨干,在首层与末层全分辨率端插入双端残差Inception细化块(含0.2残差缩放),训练目标为MSE与Sobel水平/垂直梯度L1差加权和(λ=0.20经验证集三种子确认),AdamW优化器配余弦退火、20周期取验证目标最低检查点,三训练种子(42/123/2026)重复;度量限于二值几何掩膜内部结构区,含RGB-RMSE/MAE、内部RGB-SSIM(3×3窗)、高梯度区MAE、Sobel梯度误差,及经官方64色表反查的归一化标量RMSE与条件MPa误差。
研究结果部分,任务公式化与修订RSP-Net架构小节指出,输入灰度几何图与输出RGB渲染同分辨率对齐,U-Net++嵌套稠密跳跃聚合浅层定位与深层语义,双端RI仅在X0,0与解码末端细化,不引入注意力模块。残差Inception细化小节说明,并行1×1通道混合与3×3空间卷积分支经LeakyReLU(0.1)与批归一化,拼接后1×1投影回C通道,残差乘0.2再加原输入过ReLU,稳定训练。Sobel梯度一致性损失小节给出水平核Kx=[-1,0,1]T[-1,0,1]与垂直核Ky,深度方向逐通道互相关(不翻转),总损失L=0.20·LMSE+0.80·Lgrad,MSE占14.0%、梯度占86.0%,λ=0.20在验证集满足五至六指标改善且RGB-RMSE增幅<1%被固定。实验数据集与划分审计小节报告精确掩膜哈希重复验证集3张、测试集2张(占比<0.025%),感知哈希中位汉明距8,属同分布随机划分。评估度量小节定义掩膜M=I<0.5、内部SSIM用3×3窗且全窗在内、侵蚀掩膜算高梯度区Top 5%/10%/20% MAE及Sobel梯度误差,色表反查得归一化标量。收敛分析显示三种子最佳验证期分别为12/10/10轮。架构与损失消融小节表明,相对U-Net++双端RI使RGB-RMSE降0.11%等七指标均优但Holm校正后不显著;加Sobel项使RGB-MAE降9.70%、内部SSIM升0.02775、HG与SG显著改善,RGB-RMSE升1.02%校正后不显著。损失权重敏感小节以种子42扫λ∈{0,0.05,0.10,0.20},0.20在MAE/SSIM/梯度指标最优,三种子确认后固定。基线对比小节中RSP-Net在U-Net/ResUNet/Attention U-Net/U-Net++中各项图像空间指标均值最优但相对U-Net++余量小;平凡基线(训练目标均值图、感知哈希检索)RGB-RMSE高出约85%,证明非查表或全局平均可得。标量筛选小节经64色表反查得归一化标量RMSE 0.04568,条件MPa RMSE 29.83(26.85–35.20区间),Top-5%/10% IoU 0.7358/0.7924,Spearman 0.9720,热点arg max中位误9.01像素、59.77%在5像素内,Sobel项微增IoU与相关性。定性结果与失败例小节显示窄高分叉分支仍存颜色位移。计算成本小节报告双RI增参27,072(0.30%)、延迟升19.52%、吞吐降16.33%,不宣称加速。
讨论与结论部分,研究人员明确目标表示为独立归一化颜色渲染,网络不预测逐图尺度故不能独立恢复MPa绝对应力,颜色量化与文档色标变幅引入标签噪声底;场景固定(仅几何变,材料/厚度/重力/支撑不变),不强制平衡方程与本构关系,限初步同分布图案重建而非安全关键替代;随机划分无几何族标签故非前瞻OOD测试。结论译文:本研究将RSP-Net修订为更简的双端残差Inception增强U-Net++,用于FEA冯·米塞斯应力分布归一化RGB重建,移除偏移窗口与残差注意力模块;三种子下RGB-RMSE 0.09727±0.00057、RGB-MAE 0.03799±0.00029、内部RGB-SSIM 0.85616±0.00099;架构相对U-Net++改进小且不显著,Sobel项在14项检验中显著改善MAE/SSIM/HG/SG但RGB-RMSE升1.02%;平凡基线远劣,色表反查归一化标量RMSE 0.04568,Top-5%/10% IoU 0.7358/0.7924,但5像素内热点定位失败率40.23%说明精确峰值定位未解;该方法仍为单场景数据驱动渲染代理,未来应预测标量物理应力、加入力学约束并评估几何不交叠与变条件数据集。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号