预测格子结构的机械性质:人工神经网络算法的应用
Jiaxuan Bai1, Menglong Li2, Jianghua Shen2
1School of Transportation Science and Engineering, Civil Aviation University of China, Tianjin 300300, China.
Materials (Basel, Switzerland)
|September 14, 2024
概括
预测晶格结构的收益强度和扬模量对于航空航天和医疗应用至关重要. 人工神经网络与有限元分析相结合,提供了一种可行的方法来准确预测这些机械性质,节省实验时间和精力.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算建模 计算建模
背景情况:
- 格子结构在航空航天和医疗领域至关重要,但确定它们的机械性质,如收益率强度和模量,是实验密集的.
- 准确预测这些属性对于材料利用和设计优化至关重要.
研究的目的:
- 开发一种时间和精力高效的方法来预测格子结构的收益强度和模量.
- 使用人工神经网络建立一个预测模型,将格子结构拓与机械性能联系起来.
主要方法:
- 利用有限元分析来扩展现有的实验数据,创建一个更大的数据集.
- 采用人工神经网络算法来建模网格拓与机械性能 (模量,收益率强度) 之间的关系.
- 分析和验证了人工神经网络模型,包括优化预测BCC-FCC格子结构.
主要成果:
- 该研究建立了一个可行的人工神经网络模型,用于预测的模量和收益率强度.
- 吉布森-阿什比模型分析揭示了格子结构中的两个主要变形形式,影响了预测.
- 开发的模型在预测不同格子拓的机械性质方面表现出精确性.
结论:
- 人工神经网络为预测格子结构的机械性质提供了一种可行的方法.
- 这种预测能力可以加速在关键行业中开发和应用先进的格子材料.
- 了解变形模式是完善神经网络预测各种格子结构的关键.
