[口头报告]基于卷积神经网络的颗粒材料级配特性研究

主办单位

河海大学

中国力学学会计算力学专业委员会颗粒材料计算力学专业组

江苏省力学学会

中国颗粒学会颗粒计算专业委员会（筹）

承办单位

河海大学

蒙纳士大学

协办单位

东南大学

江西理工大学

东北大学

大连理工大学中白科研与创新中心

苏州科技大学

工业装备结构分析优化及CAE软件全国重点实验室

赞助机构

科力时代软件（大连）有限公司

曙光智算信息技术有限公司

北京并行科技有限公司

上海积鼎信息科技有限公司

重要日期

会议通知
2023 年 12 月，发布会议第一轮通知
摘要提交
2024 年 3 月 31 日前
全文提交
2024 年 4 月 30 日前
会议注册
2024 年 1 月 1 日起
会议时间
2024 年 5 月 31 日（星期五）报到
2024 年 6 月 1 日 - 3 日会议

基于卷积神经网络的颗粒材料级配特性研究

编号：116 稿件编号：63 访问权限：仅限参会人更新：2024-04-10 17:13:15 浏览：669次口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会议：[暂无会议] » [暂无会议段]

暂无文件

摘要

颗粒材料广泛存在于各类自然环境与工程领域中，不同级配分布颗粒集合的力学性能存在显著差异。为快速获取不同级配分布颗粒集合的力学强度指标并探究级配对力学性能的影响机理，本文根据连续级配方程，采用离散元方法生成了100组不同连续级配分布条件下的颗粒材料数值试样并通过双轴压缩试验对其力学性能进行了测试；将压缩后的数值试样图像及相应的力学强度指标作为训练数据，建立了可预测不同级配分布颗粒集合抗剪强度指标的GoogLeNet卷积神经网络模型；通过调整输入图像信息，研究了颗粒实体及孔隙分布，颗粒粒径尺寸，高应力颗粒及力链颗粒信息对模型预测能力的影响；采用迁移学习算法对预测模型进行了优化，增强了模型对不同颗粒形状颗粒集合力学性能的预测能力。

关键字

级配,卷积神经网络,离散元,颗粒材料

报告人

巨凯萱

太原理工大学

稿件作者

巨凯萱太原理工大学

赵婷婷太原理工大学