-
公开(公告)号：CN118428211B
公开(公告)日：2024-11-12
申请号：CN202410492047.8
申请日：2024-04-23
Applicant: 宁夏大学
Abstract: 本发明公开了基于深度回归与物理信息网络的超弹性本构模型方法，包括以下步骤；步骤一：实验数据集获取，用于生成步骤二和步骤三的深度回归网络的输入数据；步骤二：物理信息网络搭建，用于预测不变量和应变能函数的映射关系，以执行步骤三中的深度回归网络的优化训练；步骤三：深度回归网络搭建，用于生成能反映超弹性材料板非线性行为的超弹性本构模型；步骤四：基于步骤一得到的超弹性材料的实验数据集进行神经网络训练，对步骤二中的物理信息网络和和步骤三中的深度回归网络进行联合训练，找出最优网络参数。本发明采用机器学习的方法，由实验数据集自动化地推导出超弹性材料的本构模型，以反映材料的超弹性性能。
-
公开(公告)号：CN118428211A
公开(公告)日：2024-08-02
申请号：CN202410492047.8
申请日：2024-04-23
Applicant: 宁夏大学
Abstract: 本发明公开了基于深度回归与物理信息网络的超弹性本构模型方法，包括以下步骤；步骤一：实验数据集获取，用于生成步骤二和步骤三的深度回归网络的输入数据；步骤二：物理信息网络搭建，用于预测不变量和应变能函数的映射关系，以执行步骤三中的深度回归网络的优化训练；步骤三：深度回归网络搭建，用于生成能反映超弹性材料板非线性行为的超弹性本构模型；步骤四：基于步骤一得到的超弹性材料的实验数据集进行神经网络训练，对步骤二中的物理信息网络和和步骤三中的深度回归网络进行联合训练，找出最优网络参数。本发明采用机器学习的方法，由实验数据集自动化地推导出超弹性材料的本构模型，以反映材料的超弹性性能。
-
公开(公告)号：CN113079977B
公开(公告)日：2022-01-14
申请号：CN202110356665.6
申请日：2021-04-01
Applicant: 宁夏大学
Abstract: 本发明公开了一种山区林下套种俄罗斯饲料菜的方法，属于农牧栽培技术领域。林下种植俄罗斯饲料菜的方法包括：深翻土壤，施入底肥，以每亩2500～3000株密植栽培，并进行田间管理。本发明的栽培方法既能保证俄罗斯饲料菜生长过程中的营养需求，避免与林木互相争夺养分，同时林下间种作物可以改善林地的生态小气候和土壤的微生物生态，增加地面覆盖度、减少土壤水分的蒸发、利于保持水土，还可充分利用土地资源，发挥土地的综合效益，是增加林农收入的有效方式，同时还解决了山区土壤流失严重的问题，兼顾生态效益和经济效益。
-
Patent Agency Ranking
公开(公告)号：CN118428209B
公开(公告)日：2024-11-19
申请号：CN202410492042.5
申请日：2024-04-23
Applicant: 宁夏大学
Abstract: 本发明公开了一种超弹性多变形模式本构模型的物理信息机器学习方法，包括以下步骤；步骤一：实验数据集获取，获取多种变形模式下的拉伸比、剪切比和名义应力；步骤二：物理信息网络搭建，用于预测根据拉伸比和剪切比计算得到的不同变形模式下的两个变形张量不变量和应变能函数的映射关系；步骤三：深度回归网络搭建，用于生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式；步骤四：基于多变形模式下超弹性材料的实验数据集进行网络训练，对物理信息网络和和深度回归网络进行联合训练；生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式。本发明实现针对多种变形模式下的非线性材料响应的准确预测。
-
公开(公告)号：CN118428210A
公开(公告)日：2024-08-02
申请号：CN202410492044.4
申请日：2024-04-23
Applicant: 宁夏大学
IPC: G06F30/27 , G16C60/00 , G06F17/13 , G06N3/088 , G06N3/098 , G06N3/0464 , G06F111/04 , G06F119/14
Abstract: 本发明公开了基于数字图像测试的无监督机器学习超弹性本构建模方法，包括以下步骤；步骤一：开展数字图像测试，选取超弹性试件，采用数字散斑分析系统开展基于数字图像测试，构建全场位移数据集；步骤二：物理信息网络搭建；步骤三：深度回归网络搭建；步骤四：基于步骤一数字图像测试得到的实验数据集进行网络训练，对步骤二中的物理信息网络和和步骤三中的深度回归网络进行联合训练；最终生成反映超弹性材料大变形行为的本构模型显式表达式。本发明采用无监督机器学习的方法，由数字图像测试得到的全场位移数据集，采用深度回归与物理信息网络，自动化地获得超弹性材料的本构模型，以反映材料的超弹性特性。
-
公开(公告)号：CN118428209A
公开(公告)日：2024-08-02
申请号：CN202410492042.5
申请日：2024-04-23
Applicant: 宁夏大学
Abstract: 本发明公开了一种超弹性多变形模式本构模型的物理信息机器学习方法，包括以下步骤；步骤一：实验数据集获取，获取多种变形模式下的拉伸比、剪切比和名义应力；步骤二：物理信息网络搭建，用于预测根据拉伸比和剪切比计算得到的不同变形模式下的两个变形张量不变量和应变能函数的映射关系；步骤三：深度回归网络搭建，用于生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式；步骤四：基于多变形模式下超弹性材料的实验数据集进行网络训练，对物理信息网络和和深度回归网络进行联合训练；生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式。本发明实现针对多种变形模式下的非线性材料响应的准确预测。
-
公开(公告)号：CN113079977A
公开(公告)日：2021-07-09
申请号：CN202110356665.6
申请日：2021-04-01
Applicant: 宁夏大学
Abstract: 本发明公开了一种山区林下套种俄罗斯饲料菜的方法，属于农牧栽培技术领域。林下种植俄罗斯饲料菜的方法包括：深翻土壤，施入底肥，以每亩2500～3000株密植栽培，并进行田间管理。本发明的栽培方法既能保证俄罗斯饲料菜生长过程中的营养需求，避免与林木互相争夺养分，同时林下间种作物可以改善林地的生态小气候和土壤的微生物生态，增加地面覆盖度、减少土壤水分的蒸发、利于保持水土，还可充分利用土地资源，发挥土地的综合效益，是增加林农收入的有效方式，同时还解决了山区土壤流失严重的问题，兼顾生态效益和经济效益。
-
公开(公告)号：CN118428210B
公开(公告)日：2025-03-25
申请号：CN202410492044.4
申请日：2024-04-23
Applicant: 宁夏大学
IPC: G06F30/27 , G16C60/00 , G06F17/13 , G06N3/088 , G06N3/098 , G06N3/0464 , G06F111/04 , G06F119/14
Abstract: 本发明公开了基于数字图像测试的无监督机器学习超弹性本构建模方法，包括以下步骤；步骤一：开展数字图像测试，选取超弹性试件，采用数字散斑分析系统开展基于数字图像测试，构建全场位移数据集；步骤二：物理信息网络搭建；步骤三：深度回归网络搭建；步骤四：基于步骤一数字图像测试得到的实验数据集进行网络训练，对步骤二中的物理信息网络和和步骤三中的深度回归网络进行联合训练；最终生成反映超弹性材料大变形行为的本构模型显式表达式。本发明采用无监督机器学习的方法，由数字图像测试得到的全场位移数据集，采用深度回归与物理信息网络，自动化地获得超弹性材料的本构模型，以反映材料的超弹性特性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
