基于保结构深度学习的动力学系统内力预测方法及设备

本发明工公开了一种基于保结构深度学习的动力学系统内力预测方法及设备，该方法包括：针对待分析的动力学系统，根据其固有物理特性构建力学神经网络模型；获取动力学系统的响应数据，构建网络训练数据集；将力学神经网络模型嵌入动力学系统的控制方程中，基于网络训练数据集的初始响应，采用高精度数值积分方法计算动力学系统后续时间步的响应；基于力学神经网络模型积分得到的预测响应与训练数据集中的真实响应构建损失函数，对模型进行训练；最后将训练完成的模型应用于动力学系统运动行为的预测。本发明能够辨识具有强非线性特征的动力学系统非理想约束，相比传统辨识方法无需预先假设经验模型，进而对动力学系统的行为进行稳定预测。