通过路径切片和重新加权预测疲劳裂纹扩展
提出了一种称为 Crack-Net 的深度学习框架,它通过结合裂纹演化与应力响应之间的关系来预测复合材料的断裂过程。通过在高精度裂纹发展数据集上进行训练,Crack-Net 展示了准确预测给定复合材料设计的裂纹生长模式和应力 - 应变曲线的显著能力。Crack-Net 捕捉了裂纹生长的基本原理,使其能处理更复杂的微结构,并采用迁移学习进一步提高了对不同强度增强材料的泛化能力。这种提出的 Crack-Net 在工程和材料科学的实际应用中具有巨大的潜力,其中准确和高效的断裂预测对于优化材料性能和微观结构设计至关重要。
Sep, 2023
通过利用高斯过程回归模型,构建计算高效、概率化的代理模型来对裂纹的随机扩展进行建模,实现对不确定性源的精确表示,并成功地应用于裂纹监测和损伤预测领域。
Oct, 2023
通过建立三个机器学习模型,即支持向量机(SVM)、高斯过程回归(GPR)和人工神经网络(ANN),利用不同带宽参数的多个功率谱样本和与疲劳寿命相关的多种材料特性,提出了广域疲劳寿命预测的机器学习方法,经过大量的蒙特卡洛数值模拟验证,表明新开发的机器学习模型在寿命预测准确性方面优于传统的频域模型,其中人工神经网络模型在三个开发的机器学习模型中具有最佳的综合性能。
Nov, 2023
本研究提出了一种半自动裂缝分割工具,通过图像处理算法利用多方位小波变换构建图像的 “方向得分”,从而计算出最佳裂缝路径,进而实现像素级的分割,该方法优于完全自动方法,并显示出成为手动数据标注的合适替代方法的潜力。
Mar, 2024
铁路裂纹长度传播的预测在材料和结构的维护和安全评估中起着至关重要的作用。近年来,机器学习技术,特别是循环神经网络 (RNNs),已经成为时间序列预测的有前途的方法。通过收集包括历史裂纹长度测量和可能影响裂纹生长的相关外生因素在内的法国铁路网络的真实数据,该方法首先进行了预处理,以准备一致的学习数据集。然后,设计了适当的贝叶斯多视角循环架构来建模裂纹传播现象。得到的结果表明,多视角模型优于 LSTM 和 GRU 等最先进模型。
Sep, 2023
在离岸支架基础的设计中,疲劳寿命至关重要。提出了一种增强焊接接头疲劳性能的焊后处理方法,其中高频力学冲击(HFMI)处理被证明可以显著改善疲劳性能。自动化的 HFMI 处理提高了质量保证并在与精确的疲劳寿命预测相结合时可以带来成本效益的设计。然而,常用于预测复杂或多轴接头疲劳寿命的有限元方法(FEM)依赖于对焊缝的基本 CAD 描述,未能考虑实际的焊缝几何形状和缺陷。将实际的焊缝几何形状包含在有限元模型中可以改进疲劳寿命预测和可能的裂纹位置预测,但需要利用数字重建焊缝。目前的数字重建方法耗时或需要专门的扫描设备和零件重新定位。所提出的框架则使用工业机械臂和线扫描仪结合,将数字重建作为自动化 HFMI 处理装置的一部分。该方法应用标准图像处理、简单的滤波技术和非线性优化来对齐和合并重叠的扫描。筛选的泊松表面重构完成了三维模型以创建网格表面。其结果是一种通用、具有成本效益、灵活且快速的方法,可以实现焊接零部件的常规数字重建,有助于零件设计、整体质量保证和 HFMI 处理的文档化。
Jul, 2023
利用无人机和图像处理技术自动化当前桥梁视觉检查实践是提高检查效果、鲁棒性和降低成本的一种显著途径。本文研究了一种新颖的深度学习方法,用于检测高分辨率钢桥图像中的疲劳裂纹,首先,我们介绍了一个包含钢桥裂纹图像的新颖而具有挑战性的数据集。其次,我们将 ConvNext 神经网络与先前最先进的编码器 - 解码器网络集成,进行裂纹分割研究和报告,并研究了在应用于高分辨率钢桥裂纹图像时使用背景补丁对网络性能的影响。最后,我们引入了一种损失函数,允许在训练过程中使用更多的背景补丁,从而显著降低了误报率。
Mar, 2024
鑑於混凝土基礎設施結構完整性評估的重要性,鑑定裂紋至關重要。然而,對於計算機視覺系統來說,強大的裂紋分割仍然是一項具有挑戰性的任務,原因在於混凝土表面的多樣外觀、不同的照明和天氣條件以及不同缺陷的重疊。本文提出了一種基於分形的高度保真度裂紋圖形模擬器以及相應的完全標註的裂紋數據集,並通過利用點對點互信息估計和自適應實例正規化作為歸納偏差,補充了後者的系統。最後,通過實證研究不同設計選擇在彌合模擬與現實差距方面的相互作用,最終證明我們引入的系統能夠有效處理現實世界的裂紋分割。
Sep, 2023
探索计算实验在优化材料结构以获得期望性能方面的应用,并利用多尺度方法研究处理 - 微观结构 - 材料性能的相互作用,开发基于神经网络的方法来减轻预测微观结构演变的计算负担,同时实现更快速且更优的材料优化。
Apr, 2023