本發明公開一種基于深度學習的短纖維增強復合材料宏觀性能預測方法。包括使用隨機吸附法生成代表性體積單元、基于數值仿真的均質化方法計算材料宏觀性能,建立纖維分布圖像對應宏觀性能的訓練樣本集,在此基礎上搭建、訓練卷積神經網絡等過程。本發明結合深度學習在圖像識別領域的優勢,使用卷積神經網絡提取特征,擬合樣本分布,實現纖維分布圖像與宏觀性能的準確快速響應關系,有效解決了傳統機器學習方法作為代理模型對纖維分布信息特征提取不全、訓練精度較低的問題。此外,考慮當網絡層數加深,訓練樣本較少可能帶來的過擬合,采用纖維分布圖像的旋轉、對稱變換擴充了樣本,有效提高了訓練精度,并使模型在樣本空間外一定范圍內保持良好的魯棒性。
聲明:
“基于深度學習的短纖維增強復合材料宏觀性能預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)