基于深度学习的管桁架结构疲劳分析参数优化方法及系统

本发明涉及结构疲劳评估技术领域，具体涉及基于深度学习的管桁架结构疲劳分析参数优化方法及系统，步骤如下：构建融合多尺度结构图编码器、工况参数编码器和损伤维度曲线解码器的深度学习代理模型；利用高保真训练数据集训练该模型；针对目标桁架结构与载荷工况，通过模型预测其损伤维度关系曲线；通过分析该曲线的收敛特性，确定雨流计数矩阵的最优维度；并通过模型预测多工况损伤值，基于损伤贡献百分比筛选出主导工况。本发明以深度学习代理模型替代传统的迭代仿真，实现了疲劳分析中关键参数的快速优化，显著提升了大型桁架结构疲劳评估的效率与准确性，并且通过融合多尺度结构图编码器捕捉关键热点的物理效应，提高了模型的泛化能力。