日韩av大片在线观看欧美成人不卡|午夜先锋看片|中国女人18毛片水多|免费xx高潮喷水|国产大片美女av|丰满老熟妇好大bbbbbbbbbbb|人妻上司四区|japanese人妻少妇乱中文|少妇做爰喷水高潮受不了|美女人妻被颜射的视频,亚洲国产精品久久艾草一,俄罗斯6一一11萝裸体自慰,午夜三级理论在线观看无码

您好, 歡迎來(lái)到化工儀器網(wǎng)

| 注冊(cè)| 產(chǎn)品展廳| 收藏該商鋪

18702200545

technology

首頁(yè)   >>   技術(shù)文章   >>   基于集成卷積和圖神經(jīng)網(wǎng)絡(luò)的復(fù)合材料微觀結(jié)構(gòu)力學(xué)場(chǎng)預(yù)測(cè)

凱爾測(cè)控試驗(yàn)系統(tǒng)(天津)...

立即詢價(jià)

您提交后,,專屬客服將第一時(shí)間為您服務(wù)

基于集成卷積和圖神經(jīng)網(wǎng)絡(luò)的復(fù)合材料微觀結(jié)構(gòu)力學(xué)場(chǎng)預(yù)測(cè)

閱讀:988      發(fā)布時(shí)間:2025-1-13
分享:
摘要:文章介紹了 CompINet,一個(gè)結(jié)合圖神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)復(fù)合材料微觀結(jié)構(gòu)中力學(xué)場(chǎng)的框架,。準(zhǔn)確分析局部力學(xué)場(chǎng)(如應(yīng)力)對(duì)于預(yù)測(cè)復(fù)合材料性能,、失效和制定修復(fù)策略至關(guān)重要。CompINet 利用圖神經(jīng)網(wǎng)絡(luò)的力量來(lái)捕捉復(fù)合材料的微觀細(xì)節(jié),,特別是纖維的位置和它們之間的距離,。該框架在預(yù)測(cè)復(fù)合材料微觀結(jié)構(gòu)中的微觀尺度機(jī)械場(chǎng)方面取得了顯著的準(zhǔn)確性和一致性,,而所需的數(shù)據(jù)量比現(xiàn)有的數(shù)據(jù)驅(qū)動(dòng)方法少 20 倍,。CompINet 在線性和非線性復(fù)合材料分析方面都提供了顯著的改進(jìn)。


PART 01

一.引言



復(fù)合材料因其優(yōu)異的力學(xué)性能和輕質(zhì)特性,,在航空航天,、汽車、生物醫(yī)學(xué)等領(lǐng)域應(yīng)用廣泛,。然而,,復(fù)合材料微觀結(jié)構(gòu)的復(fù)雜性和非線性力學(xué)行為給其力學(xué)分析和設(shè)計(jì)帶來(lái)了挑戰(zhàn),。傳統(tǒng)的分析方法如有限元分析 (FEA) 和解析方法存在適用性有限、計(jì)算成本高等局限性,。機(jī)器學(xué)習(xí)方法,,尤其是卷積神經(jīng)網(wǎng)絡(luò) (CNN) 和圖神經(jīng)網(wǎng)絡(luò) (GNN),為復(fù)合材料力學(xué)分析提供了新的思路,,但現(xiàn)有方法仍面臨數(shù)據(jù)需求量大,、缺乏物理信息等問題。

近日,,在《Composites Part A》期刊發(fā)表了一篇由美國(guó)科羅拉多大學(xué)博爾德分校航空航天工程科學(xué)系的研究團(tuán)隊(duì)完成的有關(guān)基于集成卷積和圖神經(jīng)網(wǎng)絡(luò)的復(fù)合材料微觀結(jié)構(gòu)力學(xué)場(chǎng)預(yù)測(cè)的研究成果,。該研究提出了一種名為 CompINet 的深度學(xué)習(xí)框架,通過(guò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和圖神經(jīng)網(wǎng)絡(luò),,更準(zhǔn)確,、更高效地預(yù)測(cè)復(fù)合材料微觀結(jié)構(gòu)中的力學(xué)場(chǎng)分布,為復(fù)合材料力學(xué)分析和設(shè)計(jì)提供了新的思路和方法,。論文標(biāo)題為“Integrated convolutional and graph neural networks for predicting mechanical fields in composite microstructures",。




PART 02

二.集成深度網(wǎng)絡(luò)結(jié)構(gòu)


CompINet 框架結(jié)合了 CNN 和 GNN 的優(yōu)勢(shì),能夠更全面地捕捉復(fù)合材料微觀結(jié)構(gòu)的特征,。CNN 用于處理復(fù)合材料微觀結(jié)構(gòu)的像素級(jí)表示,,而 GNN 用于捕獲纖維之間的相互作用和關(guān)系。


圖 1 復(fù)合材料微觀結(jié)構(gòu)的兩種表示方式:(A) 像素級(jí)二值圖像,;(B) 圖網(wǎng)絡(luò),。

圖 2  CompINet 架構(gòu)圖


PART 03

三.數(shù)據(jù)生成與訓(xùn)練


研究人員使用隨機(jī)纖維生成算法構(gòu)建了碳纖維增強(qiáng)復(fù)合材料的微觀結(jié)構(gòu)表示,并使用非線性粘聚界面增強(qiáng)廣義有限元方法 (IGFEM) 進(jìn)行數(shù)值模擬,,以獲得相應(yīng)的應(yīng)力分布,。研究選擇了 60% 和 47% 兩種纖維體積分?jǐn)?shù),并在兩種加載條件下(線性彈性和非線性損傷)預(yù)測(cè)了應(yīng)力場(chǎng)分布,。

圖 3  (A) 邊界條件和施加荷載的示意圖,;(B) 加載條件下,樣本微觀結(jié)構(gòu)的宏觀應(yīng)力-應(yīng)變曲線,。所選線性馮·米塞斯應(yīng)力場(chǎng) (I) 對(duì)應(yīng)于 0.024% 的應(yīng)變,,而非線性馮·米塞斯應(yīng)力場(chǎng) (II) 對(duì)應(yīng)于最大宏觀應(yīng)力。宏觀應(yīng)力是通過(guò)將微觀結(jié)構(gòu)左側(cè)邊緣節(jié)點(diǎn)的反力之和除以橫截面積計(jì)算得出的,。

使用隨機(jī)生成的微觀結(jié)構(gòu)和對(duì)應(yīng)的應(yīng)力場(chǎng)數(shù)據(jù)對(duì) CompINet 進(jìn)行訓(xùn)練,。為了減少訓(xùn)練數(shù)據(jù)的需求,研究人員采用了數(shù)據(jù)增強(qiáng)技術(shù),,例如垂直翻轉(zhuǎn)圖像,。CompINet 使用平均絕對(duì)誤差 (MAE) 作為損失函數(shù),并通過(guò)調(diào)整超參數(shù)來(lái)優(yōu)化模型性能,。

將 CompINet 的預(yù)測(cè)結(jié)果與基線模型 (U-Net) 進(jìn)行了比較,。結(jié)果表明,,CompINet 在預(yù)測(cè)線性應(yīng)力和非線性應(yīng)力方面均優(yōu)于基線模型,并且使用更少的訓(xùn)練數(shù)據(jù)即可達(dá)到更高的準(zhǔn)確率,。


PART 04

四.小結(jié)

該研究提出了一種名為 CompINet 的新型框架,,該框架結(jié)合了卷積神經(jīng)網(wǎng)絡(luò) (CNN) 和圖神經(jīng)網(wǎng)絡(luò) (GNN) 來(lái)預(yù)測(cè)復(fù)合材料微觀結(jié)構(gòu)中的力學(xué)場(chǎng)分布。該框架在預(yù)測(cè)線性應(yīng)力和非線性應(yīng)力方面均優(yōu)于基線模型,,并且使用更少的訓(xùn)練數(shù)據(jù)即可達(dá)到更高的準(zhǔn)確率,。CompINet 為復(fù)合材料力學(xué)分析和設(shè)計(jì)提供了新的思路和方法,具有重要的理論和實(shí)際意義,。


圖 4  CompINet 和基線模型預(yù)測(cè)線性應(yīng)力場(chǎng)的比較,。

圖 5  CompINet 和基線模型預(yù)測(cè)非線性應(yīng)力場(chǎng)的比較。



會(huì)員登錄

請(qǐng)輸入賬號(hào)

請(qǐng)輸入密碼

=

請(qǐng)輸驗(yàn)證碼

收藏該商鋪

標(biāo)簽:
保存成功

(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)

常用:

提示

您的留言已提交成功,!我們將在第一時(shí)間回復(fù)您~
在線留言