【摘 要】
：
针对混凝土类脆性材料高应变率下本构行为,结合ABAQUS有限元仿真与反向传播(Back propagation,BP)人工神经网络技术,对分离式霍普金森压杆(Split Hopkinson pressure bar,SHPB)实验过程中关键波形参数进行仿真和机器学习,建立了混凝土类材料SHPB高应变率下力学性能预测的机器学习模型,极大地提升了复杂脆性材料受冲击状态下变形行为与本构参数之间关联机制的计算效率.利用商业有限元软件ABAQUS的动态分析模块,通过在入射杆自由面设置4种不同的应力波,得到在不同应变
【机 构】
：
西北工业大学力学与土木建筑学院,西安 710072;辽宁石油化工大学土木工程学院,抚顺 113001;浙江清华长三角研究院,嘉兴 314006
论文部分内容阅读
针对混凝土类脆性材料高应变率下本构行为,结合ABAQUS有限元仿真与反向传播(Back propagation,BP)人工神经网络技术,对分离式霍普金森压杆(Split Hopkinson pressure bar,SHPB)实验过程中关键波形参数进行仿真和机器学习,建立了混凝土类材料SHPB高应变率下力学性能预测的机器学习模型,极大地提升了复杂脆性材料受冲击状态下变形行为与本构参数之间关联机制的计算效率.利用商业有限元软件ABAQUS的动态分析模块,通过在入射杆自由面设置4种不同的应力波,得到在不同应变率下材料应力?应变曲线,通过对比数值模拟结果和SHPB实验,验证了基于有限元分析的计算结果准确性.以20组ABAQUS仿真结果作为训练样本,其中入射波作为输入层,透射波和反射波作为输出层,建立相应的机器学习预测模型.研究结果表明:基于BP人工神经网络技术的机器学习预测模型具有良好的适用性,可代替量大且耗时的有限元仿真建模、分析及后处理流程,实现了高应变率下混凝土类材料应力?应变曲线形式本构行为的高效准确预测,同时可以预测给定训练样本以外更大应变率范围下材料应力?应变曲线.
其他文献
传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型(Multi-object real-time detection and classification model,MRDC)。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检
规章制度是无线广播电视发射台正常运转的重要保障,也是依规工作的重要基础.为进一步改进工作作风、提高工作效率,促进发射台各项工作有序推进,有必要结合实际情况和以往的实践经验,建设内容完备、执行有效的制度体系,确保“不间断、高质量、既经济、又安全”的维护方针得以贯彻.本文结合笔者工作实际对建设安全播出管理制度体系提出了一系列思考.
视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方