【摘 要】
:
在能源过分消耗与环境持续破坏的大背景之下,工业领域对于汽车的轻量化技术提出了更高的需求。由于复合材料的优秀力学性能,使用复合材料代替汽车原有的金属材料,可以有效地减轻汽车的重量,提高续航里程,降低尾气排放,有利于环境保护与降低能源损耗。复合材料的性能与各组分材料的含量、性能、分布形式以及界面特性等密切相关,实验的方法难以进行多变量控制,有限元仿真的计算方法受限于计算机的性能,基于多尺度理论分析的解
论文部分内容阅读
在能源过分消耗与环境持续破坏的大背景之下,工业领域对于汽车的轻量化技术提出了更高的需求。由于复合材料的优秀力学性能,使用复合材料代替汽车原有的金属材料,可以有效地减轻汽车的重量,提高续航里程,降低尾气排放,有利于环境保护与降低能源损耗。复合材料的性能与各组分材料的含量、性能、分布形式以及界面特性等密切相关,实验的方法难以进行多变量控制,有限元仿真的计算方法受限于计算机的性能,基于多尺度理论分析的解析法通用性较差,种种因素导致复合材料的力学性能获取成本高、周期长。本文结合神经网络工具,提出一种可根据复合材料微观信息准确预测其宏观性能的多尺度本构模型,根据该模型可以准确地计算出各相材料经复合之后的力学性能参数,并极大地降低计算时间。本文提出的模型是基于大数据的监督学习过程,首先基于COSMOS材料库完成材料属性的采样实验设计,通过基于蒙特卡洛采样的接受-拒绝采样方法完成材料属性的采样过程,形成500组材料参数的数据样本。基于ABAQUS与Python的二次开发建立复合材料RVE模型,通过有限元仿真计算获取高保真的复合材料力学属性数据样本,共得到500组长纤维复合材料样本、500组增强颗粒复合材料样本与100组随机短纤维复合材料样本。在上述工作的基础上,本文提出了一种改良的二叉树深度材料网络结构,结合物理计算层与基于阈值判断的权重剪枝算法,得到一种具有物理意义指导的基于深度学习的复合材料力学性能预测模型,采用scikit-learn中的训练集-验证集划分方式进行数据划分。在数据集之上完成网络的训练过程,网络结构随着二叉树的高度增加准确率增加,同时训练的时长也会随之增长。在二叉树高度达到7层时,计算的相对误差可以降到5%以内,训练时长约为90分钟(深度材料网络预测模量的计算时间约为2.5秒)。针对随机短纤维模型,本文通过生成小批量高纬度的数据,利用迁移学习预训练-微调的方式来进行训练,将计算结果与Voigt与Reuss方法得出的复合材料模量的解析解范围以及有限元的仿真计算结果进行对比,并对于精度不高的模型进行分析改进,经过改进的模型计算值与解析解范围上限的相对偏差为-4.16%,与解析解范围下限的相对偏差为3.72%,与有限元仿真的相对误差为2.72%,其中有限元仿真计算时间为623秒,深度材料网络的计算时间为2.516秒,得出本文的计算结果在预期范围之内,模型的计算能力达到预期,并且能够有效降低计算时间。
其他文献
近年来随着生活水平的显着提高,人们对移动式电子设备的性能提出了更高的要求。作为芯片的核心单元,中央处理器(Central Processing Unit,简称CPU)变得越来越重要。但是,一方面由于MOS晶体管达到了物理极限,另一方面由于以ARM等公司为代表的CPU厂商收取越来越高的专利费,CPU的发展进入了瓶颈期。RISC-V(Reduced Instruction Set Computer f
声音作为人类感知周围事物的重要媒介遍布在人们生活的各个方面,其中往往包含着重要信息辅助人们进行抉择。声音事件检测(Sound Event Detection,SED)是指将采集到的音频数据进行分类,并判断当前发生的事件或所处的场景,其在无人驾驶、智能家居、安全监控等领域有着广阔的应用前景。近年来,随着深度学习技术在各个领域的不断发展,使用神经网络替代传统音频识别的方法已经成为越来越多研究人员的选择
随着智慧城市理念逐渐成熟以及技术日益发展,智能交通成为了智慧城市中极其重要的一环。由于国家新能源政策的普及与绿色出行观念的流行,城市居民出行的方式更加倾向于非机动车。然而非机动车使用率的攀升以及对行人管理条例的不完善引起一系列交通违规,这些违规行为引发了大量的交通事故。如何对违规行为的治理科学化、常态化已经成为城市交通网络中亟需解决的难题。本文在解决上述实际问题的过程中,采用了深度学习的方法,提出
近年来,全国各大中小城市已经布满了各种型号的监控摄像头,海量的监控图像极大丰富了人脸以及行人分析任务的应用场景。在此背景下,研究智能视频理解技术,让计算机实现突发事件的准确预测和快速响应,已成为安防领域的核心需求之一。在视频监控领域,行人是主要的监控对象,人脸属性作为面部的重要信息被广泛的应用在人脸识别和人脸检索等任务中。人脸属性识别定义为给定一张人脸图像,经过特征提取,预测出一系列外观属性。根据
近年来,随着机器学习浪潮的出现,基于机器学习的目标识别算法也得以蓬勃发展。目标识别算法当中,数据集与算法是两大关键因素。合适的数据集和良好的目标识别算法能够极大的提高目标识别的速度以及准确率。现阶段使用的数据集,都是基于数码相机生成的sRGB图像。图像经过图像信号处理器(Image Signal Processor,ISP)流程从原始图像转换成sRGB图像。但ISP流程各步骤对于目标识别准确率的影
Ser Des(Serializer/Deserializer,序列化器与反序列化器或者串行器和解串器)是一种时分多路复用(TDM)、点对点(P2P)的串行通信技术。即在发送端多路低速并行信号被转成高速串行信号,经过传输媒体(光缆或铜线),最后在接收端高速串行信号重新转换成低速并行信号。该项技术充分利用了传输媒体的信道容量,减少所需的传输信道和器件引脚数目,从而大大降低通信成本,因此成为高速串行接
脉冲动态系统是一种特殊的混杂系统,由于其广泛的应用前景,近年来得到了越来越多的学者的关注。脉冲系统由于其模型的固有特性,系统的状态轨迹会出现跳变,使得在研究过程中面临的问题更加复杂多变。本文对于线性脉冲系统和非线性脉冲系统的稳定性和控制器设计分别进行研究,主要包含以下内容:首先,讨论了线性脉冲系统的稳定性和控制综合问题。本文研究的线性脉冲系统具有分段线性跳变映射,并在系统中嵌入了时间正则化。使用了
在上世纪90年代,CMOS(Complementary Metal-Oxide Semiconductor)图像传感器数字相机问世,其便以高灵敏度、光谱响应范围大等优点逐步成为市场主流。传统的CMOS图像传感器往往存在动态范围不足的问题,会出现曝光过度和曝光不足。另外,其输出的图像往往会有比较高的噪声,可能无法满足显示设备高质量图像的输出要求。对于这些问题需要使用ISP(Image Signal
随着5G时代的到来,移动电信网络服务正在由数据中心服务模式向分布式移动边缘计算(Mobile edge computing,MEC)服务模式过渡。在此背景下,网络功能虚拟化(Network function virtualization,NFV)技术逐渐受到关注,传统的网络基础服务例如网络防火墙、入侵检测系统和数据转码器等,可以应用虚拟化技术以虚拟网络服务(Virtual network func
进入21世纪以来人们的物质生活逐渐丰富,很多人不再是仅仅关注温饱问题,身体健康和生活品质逐渐受到人们的关心,越来越多的人们热衷于强身健体,其中羽毛球由于其简便、有趣、花样多的特点而受到人们的青睐。得益于科学技术的飞速发展,像智能运动手环、智能手表、智能鞋垫、智能头盔等产品在内的智能设备和网络技术也得到了迅猛的发展。这些智能设备会收集佩戴者的运动数据,通过佩戴者的运动数据得到佩戴者详细的运动信息,再