首页/文章/ 详情

[论文]基于机器学习和有限元预测复合材料模量

1年前浏览2824

论文推荐

近期重点推送机器学习、数字孪生的文献论文

关键词：复合材料模量，机器学习，有限元

引用格式

施汇斌，李想，柳占立. 基于机器学习和有限元预测复合材料模量[Z]. 中国，北京: 2020，3.

研究背景

成功开采页岩气，需对页岩的力学特性做研究。

研究目的

力学特性中，最具代表性的是模量。计算出复合材料的物质组成分布与模量之间的映射关系。

研究方法

通过机器学习和有限元的相关理论，利用卷积神经网络模型。

技术路线

1）使用扫描电子显微镜获得页岩样本的扫描电子显微镜图像

2）利用 MATLAB 软件对原始图像进行处理得到测试集数据库，并通过编程建立训练集数据库。原始图像提供的图像数量样本过少，通过随机建模的方法建立训练集和交叉验证集数据库，得到 12960 组图像数据。

3）将图像模型转化为有限元模型，并使用Abaqus进行求解

4）利用数据集训练模型。

研究结果

测试集样本的平均相对误差为 1.06%，最大相对误差为 4.40%。

论文意义

能够用于工程实践，合理指导施工。

思考

对于复杂的复合材料等非均一材质，无法构建理论和有限元模型模型时，可结合机器学习的数据训练，精准预测其材料特性。

来源：iCAETube

著作权归作者所有，欢迎分享，未经许可，不得转载

首次发布时间：2022-10-09

¥299

还没有评论