Aug, 2023

碳纤维有机片基电池外壳的冲击性能有限元分析和机器学习指导设计

PDF
TL;DR利用高通量有限元分析法和机器学习模型，本研究旨在理解碳纤维复合材料电池外壳的优化设计和碰撞性能，以及在其他制造技术中的应用潜力。
carbon fiber compositebattery enclosurefinite element analysiscrashworthinessmachine learning
发现论文，激发创造
  • 基于元启发式人工神经网络预测碳纤维增强聚合物对混凝土强度的约束效应

    使用基于元启发式人工神经网络的方法，预测碳纤维增强聚合物（CFRPs）对混凝土圆柱体强度的束缚效应。研究结果表明，PSO 模型和 GWO 模型能够准确预测 CFRP 受限混凝土圆柱体的强度，为避免耗时且昂贵的实验测试提供了可靠的解决方案。

    Dec, 2023

  • 基于机器学习进行优化断裂韧性的复合材料设计

    通过机器学习技术优化 2D 和 3D 复合结构，研究断裂韧性和裂纹扩展在双悬臂梁（DCB）试验中的应用，揭示微观结构排列与复合材料宏观性能之间的复杂关系，证明了机器学习作为强大工具在设计优化过程中的潜力，相较于传统有限元分析具有明显优势。研究包含四个不同案例，分别检查 2D 和 3D 复合模型中的裂纹扩展和断裂韧性。通过应用机器学习算法，研究展示了在复合材料设计中对庞大设计空间进行快速准确探索的能力。研究结果强调了机器学习在有限训练数据下预测机械行为的效率，为复合材料设计和优化的广泛应用铺平了道路。该研究对提高复合材料设计过程中机器学习的效率做出了贡献。

    Jun, 2024

  • 基于机器学习的电极制造优化，实现高性能能量和功率电池

    本研究通过提出一种动力学机器学习辅助流程的数据驱动方法，优化了生产参数的逆向设计，从而实现了可用于能量或功率应用的电极的制造。

    Jul, 2023

  • 基于数据驱动方法的电池性能深度分析

    应用机器学习技术，研究了电池容量削减的机制，通过 WOA-ELM 模型，确定了影响电池特定容量的关键因素，并解释了它们与电极材料的结构损伤和电池循环期间的故障之间的联系。

    Aug, 2023

  • 基于人工神经网络的石墨烯可靠机器学习势

    本文介绍了一种基于神经网络的分子动力学模拟与机器学习结合的方法，用于准确计算和预测石墨烯的热力学性质和力学性能，从而可用于石墨烯材料的设计。

    Jun, 2023

  • 基于 LS-DYNA 机器学习的短纤维增强复合材料非线性建模的多尺度方法

    本研究提出了一种基于机器学习的多尺度方法，将注射成型引起的微观结构，材料均质化和深度材料网络（DMN）与有限元模拟软件 LS-DYNA 相结合，用于短纤维增强复合材料的结构分析。通过将 DMN 与有限元耦合，我们开发了一种高度准确和高效的数据驱动方法，该方法以比高保真度直接数值模拟快若干个数量级的计算速度预测复合材料和结构的非线性行为。

    Jan, 2023

  • 基于深度学习的海底压力容器有限元分析（FEA）代理

    本文提出使用深度学习代替传统有限元分析来设计自主水下车压力容器，并证明在稀疏数据集情况下，深度学习代理比其他回归模型更优。

    Jun, 2022

  • 基于物理信息机器学习的超早期电池样机验证的非破坏性降解模式解耦

    利用物理信息机器学习方法，我们展示了一种可以通过电信号量化和可视化描述热力学和动力学相关性的时态损失，实现非破坏性降解模式表征，加速整个使用寿命轨迹的温度自适应预测，速度提高了 25 倍，准确率保持在 95.1％，这种研究为电池原型的降解提供了新的可能性。

    Jun, 2024

  • 使用多层合成有限元模拟预测碳纳米管（CNT）图像的机械性能

    本文提出了一种基于人工智能的材料发现的深度学习模型管道，用于预测垂直定向碳纳米管林图像的机械性能，并结合使用多层合成的图像和基于物理的模型来估算这些图像的机械属性，从而实现对碳纳米管制备过程的了解与控制。

    Jul, 2023

  • 功能梯度多孔梁的 AI 增强有限元多尺度建模与结构不确定性分析

    本文旨在通过多尺度建模和深度学习相结合的方法，建立中等孔隙度密闭铝泡沫的细胞形态与泡沫有效杨氏模量之间的直接联系，并通过模糊等价模型来评估模型预测模量的不确定性，进而简化 FG 多层泡沫结构的评估。

    Nov, 2022