为了解决训练样本有限和极端环境条件下飞机结构强度分析的难题,提高分析效率,将深度迁移学习方法应用于RX4E电动飞机复合材料层合板的力学性能研究。基于复合材料层合板试验结果的分析,对比了多种深度学习模型对试验结果的预测,最终选...为了解决训练样本有限和极端环境条件下飞机结构强度分析的难题,提高分析效率,将深度迁移学习方法应用于RX4E电动飞机复合材料层合板的力学性能研究。基于复合材料层合板试验结果的分析,对比了多种深度学习模型对试验结果的预测,最终选定卷积-长短期记忆(convolutional long short-term memory,CLSTM)网络作为最优的深度学习模型。此外,还引入了迁移学习(transfer learning,TL)模型,以精确预测复合材料层合板在不同温度、湿度及铺层方式下的应力-应变关系。结果表明,提出的TL-CLSTM网络模型在预测复合材料的力学性能方面具有显著的优势,特别是在预测应力-应变关系方面,其均方误差和均方根误差分别为10^(-5)和10^(-3)。所提出的模型克服了传统力学性能测量方法的复杂性和低效性,能够有效地预测电动飞机复合材料层合板的力学性能,为电动飞机制造研究提供了新的途径。展开更多
具有多层异质结构(金属布线层与陶瓷层等)的低温共烧陶瓷(low temperature co-fired ceramic, LTCC)基板是一种重要的集成封装部件,对其力学性能进行深入研究具有重要科学意义。针对6种具有不同异质集成结构的LTCC基板断裂行为进行了测...具有多层异质结构(金属布线层与陶瓷层等)的低温共烧陶瓷(low temperature co-fired ceramic, LTCC)基板是一种重要的集成封装部件,对其力学性能进行深入研究具有重要科学意义。针对6种具有不同异质集成结构的LTCC基板断裂行为进行了测试,获得了其极限弯曲强度。在此基础上,通过有限元仿真方法对其变形模式进行了探讨,并确定了最大主应力位置以及最先发生断裂行为的应力分布规律。研究结果表明,仿真结果与实测数据相对误差均在5%以内,具有良好一致性;当压载荷存在时,多层异质集成LTCC基板的裂纹扩展位置不同,其中,空腔四角处应力最大,具有该结构的基板极限弯曲强度最差。该研究为多层异质集成LTCC基板机械强度的提升提供了有效的实验和理论基础。展开更多
文摘为了解决训练样本有限和极端环境条件下飞机结构强度分析的难题,提高分析效率,将深度迁移学习方法应用于RX4E电动飞机复合材料层合板的力学性能研究。基于复合材料层合板试验结果的分析,对比了多种深度学习模型对试验结果的预测,最终选定卷积-长短期记忆(convolutional long short-term memory,CLSTM)网络作为最优的深度学习模型。此外,还引入了迁移学习(transfer learning,TL)模型,以精确预测复合材料层合板在不同温度、湿度及铺层方式下的应力-应变关系。结果表明,提出的TL-CLSTM网络模型在预测复合材料的力学性能方面具有显著的优势,特别是在预测应力-应变关系方面,其均方误差和均方根误差分别为10^(-5)和10^(-3)。所提出的模型克服了传统力学性能测量方法的复杂性和低效性,能够有效地预测电动飞机复合材料层合板的力学性能,为电动飞机制造研究提供了新的途径。
文摘具有多层异质结构(金属布线层与陶瓷层等)的低温共烧陶瓷(low temperature co-fired ceramic, LTCC)基板是一种重要的集成封装部件,对其力学性能进行深入研究具有重要科学意义。针对6种具有不同异质集成结构的LTCC基板断裂行为进行了测试,获得了其极限弯曲强度。在此基础上,通过有限元仿真方法对其变形模式进行了探讨,并确定了最大主应力位置以及最先发生断裂行为的应力分布规律。研究结果表明,仿真结果与实测数据相对误差均在5%以内,具有良好一致性;当压载荷存在时,多层异质集成LTCC基板的裂纹扩展位置不同,其中,空腔四角处应力最大,具有该结构的基板极限弯曲强度最差。该研究为多层异质集成LTCC基板机械强度的提升提供了有效的实验和理论基础。
