Dec, 2023

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

PDF
TL;DR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。
发现论文，激发创造
  • 钢筋混凝土楼板柱连接剪切强度预测模型比较分析

    比较分析剪切强度预测在板柱连接中的应用，结合机器学习、设计规范和有限元分析。

    Sep, 2023

  • 一种模糊自适应元启发式算法用于识别可持续、经济、轻量化和抗震加固混凝土悬挑式挡土墙

    本文利用水平和垂直赝静态系数研究了在地震区中加固的砼悬挑式挡土墙的抗震性能，并提出了一种新的自适应模糊元启发式算法来解决约束优化问题，从而产生出抗震灾害的可持续，经济和轻质化的设计方案。

    Feb, 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

    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。

    Aug, 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

  • FRC-TOuNN: 使用神经网络进行连续纤维增强复合材料的拓扑优化

    本文提出了一个拓扑优化框架，使用神经网络在提高分辨率的同时优化功能梯度连续纤维增强复合材料的矩阵拓扑和纤维分布，最终通过有限元模拟和加法制造的方法实现了优化连续纤维增强复合材料的制备。

    May, 2022

  • 循环神经网络和迁移学习在编织复合材料中的弹塑性研究

    本研究介绍了循环神经网络（RNN）模型作为计算密集型中尺度模拟编织复合材料的替代方法。通过利用迁移学习的力量，解决了 RNN 模型中初始化挑战和稀疏数据问题。一个平均场模型产生了代表弹塑性行为的全面数据集。仿真中，使用任意六维应变历史来预测随机行走作为源任务和循环加载条件作为目标任务下的应力。整合子尺度特性增强了 RNN 的多功能性。为了实现准确预测，该模型使用网格搜索方法来调整网络结构和超参数配置。本研究结果表明，迁移学习可用于有效适应不同应变条件的 RNN，从而为编织复合材料中的路径相关响应建模提供了有用工具。

    Nov, 2023

  • 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

  • 演化基因规划树模型用于预测绿色纤维力学性能，以改进生物复合材料

    使用创新的进化遗传程序树模型，基于多种固有的化学和物理特性，预测天然纤维的力学性能，以提高以人工智能为基础的预测整体力学性能，促进开发更好的绿色复合材料应用于各种工业应用。

    Feb, 2024

  • 贝叶斯优化在可持续混凝土中的应用

    通过贝叶斯优化方法，我们提出了一种模型，可以准确预测混凝土的强度，将搜索可持续混凝土的过程变为多目标优化问题，实验结果表明相比于当前工业实践，我们的方法在混凝土的全球变暖潜力和其压缩强度之间具有改善的权衡关系。

    Oct, 2023

  • 基于图神经网络的预测颗粒破碎强度的混合框架

    通过使用图神经网络（Graph Neural Networks）来建模颗粒破碎中的颗粒片段之间的连接性，本研究生成了一个大规模的数据集，以促进颗粒破碎的机器学习研究，并通过一个基于图神经网络的混合框架来预测颗粒破碎强度，最后通过与传统机器学习方法和传统 MLP 进行对比验证其有效性。

    Jul, 2023