文章摘要:针对目前机械结构优化中建立预测模型代价较高的问题，提出了一种基于数据学习的结构静力学性能预测方法。以悬臂梁为研究对象，建立有限元仿真模型以获取位移场数据，构建边界条件-位移场代理模型，预测结果表明位移场分布趋势与实际一致，载荷为1 000N和1 600N时最大位移相对误差分别为-0.02%和-0.47%。文中讨论了均布力大小和集中力作用位置对位移场预测结果的影响，结果表明随着载荷幅值增加，预测误差有所增加。相比均布力，集中力载荷下的预测误差更大，且加载位置靠近边缘处的误差更大。反演问题分别将位移场作为输入，将均布力大小和集中力位置作为输出构建位移场-边界条件代理模型，对载荷1 000N和1 600N的预测误差分别为0.15%和-0.48%，对5mm和10mm处的载荷位置预测误差分别为0.38%和-1.84%，实现了对力边界条件的高精度预测。所提方法从数据学习角度出发，可为机械结构的静力学性能预测提供一种新的思路。

文章关键词:

论文分类号:TB121