典型文献
基于GoogLeNet的混凝土细观模型应力-应变曲线预测
文献摘要：
非均质复合材料的宏观力学性能往往取决于细观组分的分布方式和力学性能,但是建立明确的关系表达式极其困难.为了应对这一挑战,以混凝土为研究对象,提出了一种基于深度学习的策略,能够高效、准确地通过细观模型图像信息获取应力-应变曲线.首先,使用基于卷积神经网络(convolutional?neural?network,CNN)的GoogLeNet模型进行图像信息识别和提取,并针对应力-应变曲线的复杂性特点,进行了数据预处理操作,并且设计了相应的多任务损失函数.数据集中的细观模型图像采用基于Monte-Carlo的随机骨料模型生成,并且使用数值模拟试验获取对应细观模型的单轴压缩应力-应变曲线.最后,通过对神经网络的训练和测试评估了所提出方法的可行性.结果表明,GoogLeNet模型训练效率和预测精度均优于AlexNet和ResNet模型,具有良好的泛化能力和鲁棒性.
文献关键词：
混凝土;细观模型;GoogLeNet;卷积神经网络;应力-应变曲线
中图分类号：
作者姓名：
周杰;赵婷婷;陈青青;王志勇;王志华
作者机构：
太原理工大学 机械与运载工程学院 应用力学研究所,太原 030024;材料强度与结构冲击山西省重点实验室,太原 030024
文献出处：
引用格式：
[1]周杰;赵婷婷;陈青青;王志勇;王志华-.基于GoogLeNet的混凝土细观模型应力-应变曲线预测)[J].应用数学和力学,2022(03):290-299
A类：
B类：
GoogLeNet,细观模型,变曲,非均质,观力学,分布方式,关系表达,过细,图像信息,信息获取,convolutional,neural,network,信息识别,数据预处理,多任务损失函数,Monte,Carlo,随机骨料模型,模型生成,数值模拟试验,单轴压缩,压缩应力,测试评估,模型训练,训练效率,AlexNet,ResNet,泛化能力
AB值：
0.354142
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
