[發明專利]一種基于深度學習的碳纖維增強水泥基材料的設計方法

有效

• 申請號: 202010217536.4
• 申請日: 2020-03-25
• 公開（公告）號: CN111445965B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 王振軍;童崢;王笑風;周亮;霍金陽;楊博;彭沖;馬玉薇
• 申請（專利權）人: 長安大學
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06T7/00;G06T7/40
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

本發明公開了一種基于深度學習的碳纖維增強水泥基材料的設計方法；利用微觀結構深度神經網絡評估不同參數對碳纖維增強水泥基材料微細觀結構的影響；利用物理性能深度神經網絡評估不同參數對碳纖維增強水泥基材料彎曲強度、導電性、導熱性的影響；之后利用兩個深度神經網絡的權值，采用反向傳播法計算材料的初始設計參數和已知性能的材料設計參數的差值；最后，依據差值計算待設計目標材料的設計參數。本發明能夠快速、實時、準確設計符合要求的碳纖維增強水泥基材料，設計過程避免了實驗室嘗試性試驗，從而提高碳纖維增強水泥基材料的設計效率和準確程度，能夠保證碳纖維增強水泥基材料的性能。

技術領域

本發明屬于土木工程材料技術領域，尤其涉及一種基于深度學習的碳纖維增強水泥基材料的設計方法。

背景技術

碳纖維增強水泥基材料具有良好的抗彎強度、導電性、導熱性。因此，碳纖維增強水泥基材料作為功能性材料近年來被廣泛用于土木工程，但這使得材料設計工作量日益增大。主要原因在于影響碳纖維增強水泥基材料物理和力學性能的因素太多。然而，現階段廣泛采用設計方法是實驗室的嘗試性試驗設計方法，導致了龐大的碳纖維增強水泥基材料設計參數選取、調整工作以及相應的試驗測試工作，這樣將直接導致試驗進程緩慢且費時又耗材，因此，如何在保障材料的物理和力學性能的基礎上，減少碳纖維增強水泥基材料設計參數調整工作量以及相應的試驗測試工作量是目前碳纖維增強水泥基復合材料設計面臨的一大難題。

近年來，深度學習技術開始成為材料設計的重要手段。深度學習可以依據已設計完成材料的性能和設計參數建立設計參數和性能的映射關系并在給定設計參數的情況下依據映射關系預測待設計材料的性能，具有設計碳纖維增強水泥基材料的潛力。

發明內容

針對現有設計方法的不足，本發明的目的是提供一種基于深度學習的碳纖維增強水泥基材料的設計方法。將深度學習應用于材料設計，使龐大的材料參數設計試驗轉化為對神經網絡模型的訓練，大大降低了材料設計的實際工作量，提高了碳纖維增強水泥基材料的設計效率和準確率，同時保證了設計碳纖維增強水泥基材料的物理和力學性能；為復合材料的設計提供了一種新的設計途徑。

一種基于深度學習的碳纖維增強水泥基材料的設計方法，包括以下步驟：

步驟1，確定碳纖維增強水泥基材料的微觀結構設計參數和物理性能設計參數；將n組已設計完成的碳纖維增強水泥基材料數據包作為訓練樣本，將每組已設計完成的碳纖維增強水泥基材料數據包劃分為微觀結構數據和物理性能數據，并構建對應的微觀結構訓練樣本集和物理性能訓練樣本集；

其中，n＞100；每組微觀結構數據包含已設計完成的碳纖維增強水泥基材料的微觀設計參數、多幅掃描電子顯微鏡圖像及其對應的二值化圖像、碳纖維分散性指標、界面交互面積；每組物理性能數據包含已設計完成的碳纖維增強水泥基材料的物理性能設計參數、彎曲強度、導電系數和導熱系數；

步驟2，根據微觀結構訓練樣本集，對應構建微觀結構深度神經網絡模型；根據物理性能訓練樣本集，對應構建物理性能深度神經網絡模型；

步驟3，采用微觀結構訓練樣本集對微觀結構深度神經網絡模型進行訓練，得到微觀結構評估模型；采用物理性能訓練樣本集對物理性能深度神經網絡模型進行訓練，得到物理性能評估模型；

步驟4，隨機選擇ε組已設計完成的碳纖維增強水泥基材料數據包，ε＞45，對應ε個已設計完成的碳纖維增強水泥基材料；給定待設計目標材料的彎曲強度、導電系數和導熱系數，計算待設計目標材料與每個已設計完成的碳纖維增強水泥基材料之間的性能損失值，進而計算每個性能損失值相對于待設計目標材料的彎曲強度、導電系數、導熱系數的偏導；