相关实验视频
Updated: Jan 18, 2026

Fabrication and Design of Wood-Based High-Performance Composites
Published on: November 9, 2019
高性能单向CFRP复合材料的AI驱动反向设计:通过机器学习打破压力-拉力权衡
Yinyi Xu1, Jiani Zhang1, Tianhao Xu1
1Shanghai Key Laboratory of Advanced Polymeric Materials, Key Laboratory for Ultrafine Materials of Ministry of Education, Frontiers Science Center for Materiobiology and Dynamic Chemistry, School of Materials Science and Engineering, East China University of Science and Technology, Shanghai, China.
本研究介绍了一种使用机器学习和遗传算法设计先进的单向碳纤维增强聚合物 (UD-CFRP) 复合材料的AI框架,其压力强度得到改善. 人工智能方法提高了复合设计的效率和性能.
科学领域:
- 材料科学 材料科学 材料科学
- 复合材料工程 复合材料工程
- 在工程领域的人工智能.
背景情况:
- 单向碳纤维增强聚合物 (UD-CFRP) 复合材料具有出色的拉伸性能,但压力强度较低.
- 这种限制限制了它们作为主要结构部件在苛刻的工程应用中的使用.
- 开发具有高压缩强度比的UD-CFRP对于扩大其结构应用至关重要.
研究的目的:
- 为UD-CFRPs的反向设计开发一个系统的AI支持的框架.
- 为了实现 UD-CFRP 增强压缩强度比.
- 展示一种用于优化复合材料性能的新方法.
主要方法:
- 使用了一个支持人工智能的反向设计框架,集成机器学习和遗传算法.
- 一个整体机器学习模型被用于对UD-CFRP机械性能进行可靠的预测.
- 用遗传算法来优化树脂矩阵参数以达到所需的性能.
主要成果:
- 人工智能框架成功设计了 UD-CFRP,其压缩强度比提高了.
- 合奏模型提供了强大的机械性质预测.
- 与传统的前设计方法相比,开发的框架显示出更高的计算效率.
- 实验验证证证实了框架的有效性.
结论:
- 人工智能驱动的反向设计框架为开发高性能UD-CFRP提供了高效和有效的策略.
- 这种方法克服了传统的试错实验方法的局限性.
- 该方法介绍了人工智能在复合材料反向设计中的开创性应用,具有更广泛复合材料开发的潜力.
相关概念视频
Fiber Reinforced Concrete
Design of Prismatic Beams for Bending
Relation Between Tensile Strength and Compressive Strength of Concrete
Behavior of Concrete Under Compressive Load
As the concrete specimen fractures under...
Design Example: Distributing Reinforcements in Concrete Sections
Tensile Strength Considerations of Concrete
The dimensions and shape of a concrete specimen...

