-
公开(公告)号：CN114894642A
公开(公告)日：2022-08-12
申请号：CN202210774131.X
申请日：2022-07-01
Applicant: 湖南大学
Abstract: 本发明提出了一种基于深度学习的疲劳裂纹扩展速率测试装置和方法，包括一种双尺度快速‑区域卷积神经网络以准确度量裂纹长度，克服了传统柔度法、电位法难以适应于非标准试样的缺点，可用于任意几何尺寸的非标准试件裂纹扩展长度追踪。该方法首先通过相机采集不同尺度的裂纹数据集；其次，利用Faster‑RCNN对裂纹数据集进行训练；再次，构建全局和局部双尺度快速卷积神经网络，预测整个载荷循环周次下的裂纹长度；最后，融合断裂力学获取疲劳裂纹扩展速率与裂纹尖端应力强度因子的关系。本发明可实现对任意几何尺寸的非标准试件裂纹长度度量和扩展速率测试，对疲劳裂纹扩展试验过程中的裂纹长度进行实时自动化测量，并对裂纹扩展速率进行测试。
-
公开(公告)号：CN119047320B
公开(公告)日：2025-05-13
申请号：CN202411176568.9
申请日：2024-08-26
Applicant: 湖南大学
IPC: G06F30/27 , G06F30/23 , G06N3/048 , G06N3/09 , G06F119/14
Abstract: 本发明提供了一种基于神经网络的V型缺口应力强度因子求解方法，包括以下步骤：步骤1，根据V型缺口试件的几何特征进行自适应网格划分；步骤2，根据自适应网格获取V型缺口结构的高斯积分样本点；步骤3，对域内高斯样本点、边界高斯样本点、材料参数和外部载荷进行参数缩放；步骤4，构建预测两个方向上的位移分量的神经网络；步骤5，根据位移边界对神经网络进行改造，使得神经网络满足硬边界条件；步骤6，计算神经网络的损失函数；步骤7，利用调整好的神经网络预测裂纹尖端的位移场和应力场。本发明克服了缺口应力集中区域神经网络模型难以准确求解的问题，可直接预测不同缺口角度下的缺口尖端应力强度因子。
-
公开(公告)号：CN114894642B
公开(公告)日：2023-03-14
申请号：CN202210774131.X
申请日：2022-07-01
Applicant: 湖南大学
Abstract: 本发明提出了一种基于深度学习的疲劳裂纹扩展速率测试装置和方法，包括一种双尺度快速‑区域卷积神经网络以准确度量裂纹长度，克服了传统柔度法、电位法难以适应于非标准试样的缺点，可用于任意几何尺寸的非标准试件裂纹扩展长度追踪。该方法首先通过相机采集不同尺度的裂纹数据集；其次，利用Faster‑RCNN对裂纹数据集进行训练；再次，构建全局和局部双尺度快速卷积神经网络，预测整个载荷循环周次下的裂纹长度；最后，融合断裂力学获取疲劳裂纹扩展速率与裂纹尖端应力强度因子的关系。本发明可实现对任意几何尺寸的非标准试件裂纹长度度量和扩展速率测试，对疲劳裂纹扩展试验过程中的裂纹长度进行实时自动化测量，并对裂纹扩展速率进行测试。
-
公开(公告)号：CN119047320A
公开(公告)日：2024-11-29
申请号：CN202411176568.9
申请日：2024-08-26
Applicant: 湖南大学
IPC: G06F30/27 , G06F30/23 , G06N3/048 , G06N3/09 , G06F119/14
Abstract: 本发明提供了一种基于神经网络的V型缺口应力强度因子求解方法，包括以下步骤：步骤1，根据V型缺口试件的几何特征进行自适应网格划分；步骤2，根据自适应网格获取V型缺口结构的高斯积分样本点；步骤3，对域内高斯样本点、边界高斯样本点、材料参数和外部载荷进行参数缩放；步骤4，构建预测两个方向上的位移分量的神经网络；步骤5，根据位移边界对神经网络进行改造，使得神经网络满足硬边界条件；步骤6，计算神经网络的损失函数；步骤7，利用调整好的神经网络预测裂纹尖端的位移场和应力场。本发明克服了缺口应力集中区域神经网络模型难以准确求解的问题，可直接预测不同缺口角度下的缺口尖端应力强度因子。
-
-
-
Search Results
4
records
(took 0.015 seconds)
