本发明公开一种基于深度学习的短纤维增强
复合材料宏观性能预测方法。包括使用随机吸附法生成代表性体积单元、基于数值仿真的均质化方法计算材料宏观性能,建立纤维分布图像对应宏观性能的训练样本集,在此基础上搭建、训练卷积神经网络等过程。本发明结合深度学习在图像识别领域的优势,使用卷积神经网络提取特征,拟合样本分布,实现纤维分布图像与宏观性能的准确快速响应关系,有效解决了传统机器学习方法作为代理模型对纤维分布信息特征提取不全、训练精度较低的问题。此外,考虑当网络层数加深,训练样本较少可能带来的过拟合,采用纤维分布图像的旋转、对称变换扩充了样本,有效提高了训练精度,并使模型在样本空间外一定范围内保持良好的鲁棒性。
声明:
“基于深度学习的短纤维增强复合材料宏观性能预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)