基于卷积神经网络的颗粒材料级配特性研究
编号:116 访问权限:仅限参会人 更新:2024-04-10 17:13:15 浏览:354次 口头报告

报告开始:暂无开始时间(Asia/Shanghai)

报告时间:暂无持续时间

所在会场:[暂无会议] [暂无会议段]

暂无文件

摘要
颗粒材料广泛存在于各类自然环境与工程领域中,不同级配分布颗粒集合的力学性能存在显著差异。为快速获取不同级配分布颗粒集合的力学强度指标并探究级配对力学性能的影响机理,本文根据连续级配方程,采用离散元方法生成了100组不同连续级配分布条件下的颗粒材料数值试样并通过双轴压缩试验对其力学性能进行了测试;将压缩后的数值试样图像及相应的力学强度指标作为训练数据,建立了可预测不同级配分布颗粒集合抗剪强度指标的GoogLeNet卷积神经网络模型;通过调整输入图像信息,研究了颗粒实体及孔隙分布,颗粒粒径尺寸,高应力颗粒及力链颗粒信息对模型预测能力的影响;采用迁移学习算法对预测模型进行了优化,增强了模型对不同颗粒形状颗粒集合力学性能的预测能力。
 
关键词
级配,卷积神经网络,离散元,颗粒材料
报告人
巨凯萱
太原理工大学

稿件作者
巨凯萱 太原理工大学
赵婷婷 太原理工大学
发表评论
验证码 看不清楚,更换一张
全部评论
重要日期
  • 会议日期

    05月31日

    2024

    06月03日

    2024

  • 06月03日 2024

    摘要截稿日期

  • 06月03日 2024

    初稿截稿日期

  • 06月03日 2024

    注册截止日期

主办单位
中国力学学会
计算力学专业委员会
颗粒材料计算力学专业组
承办单位
河海大学
大连理工大学
中国颗粒学会
江苏省力学学会
历届会议
移动端
在手机上打开
小程序
打开微信小程序
客服
扫码或点此咨询