幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於機器學習的固體變形與疲勞斷裂分析

  • 作者：編者:康國政//闞前華//張旭//胡雅楠|責編:華宗琪
  • 出版社：科學
  • ISBN：9787030794949
  • 出版日期：2024/10/01
  • 裝幀：平裝
  • 頁數：201
人民幣：RMB 110 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共6章，第1章為緒論；第2章為機器學習演算法及流程簡介，介紹常用的機器學習演算法及其使用流程；第3章為基於機器學習的多尺度塑性力學分析，介紹基於機器學習的分子動力學模擬、離散位錯動力學模擬、晶體塑性有限元模擬和本構建模過程；第4章為基於機器學習的材料斷裂行為研究，介紹機器學習在裂紋源、裂紋擴展行為、斷裂強度和斷裂韌性預測中的應用；第5章為基於機器學習的材料疲勞壽命預測，介紹基於數據驅動和機理驅動的機器學習方法，以及疲勞壽命預測研究方面的進展；第6章為基於機器學習的固體結構分析，介紹機器學習在固體結構變形、疲勞與斷裂行為研究中的應用。
    本書可供高等學校力學、機械、土木、航空航天等專業本科生使用，也可供研究生和工程技術人員參考。
作者介紹
編者:康國政//闞前華//張旭//胡雅楠|責編:華宗琪
目錄
第1章  緒論
  1.1  引言
  1.2  機器學習簡介
  1.3  機器學習在固體力學研究中的應用
    1.3.1  多尺度模擬
    1.3.2  斷裂行為分析
    1.3.3  疲勞壽命預測
    1.3.4  結構分析
  1.4  章節安排
  參考文獻
第2章  機器學習演算法及流程簡介
  2.1  基本演算法簡介
    2.1.1  基本監督學習演算法
    2.1.2  神經網路與深度學習
  2.2  機器學習流程
    2.2.1  數據準備
    2.2.2  模型建立
    2.2.3  模型評估
  2.3  本章小結
  參考文獻
第3章  基於機器學習的多尺度塑性力學分析
  3.1  基於機器學習的原子模擬
    3.1.1  深度學習勢函數的構建
    3.1.2  基於深度學習勢探究合金化學有序強化機理
  3.2  基於機器學習的離散位錯動力學模擬
    3.2.1  基於機器學習的單晶微柱離散位錯動力學模擬
    3.2.2  預測結果與討論
  3.3  基於機器學習的晶體塑性有限元分析
    3.3.1  基於機器學習的晶體塑性參數確定模型
    3.3.2  結果與討論
  3.4  基於機器學習的本構模型研究
    3.4.1  基於機器學習的應變率-溫度耦合本構模型
    3.4.2  基於機器學習的屈服面函數構造
  3.5  本章小結
  參考文獻
第4章  基於機器學習的材料斷裂行為研究
  4.1  裂紋源預測
    4.1.1  鎂合金中晶界損傷形核預測
    4.1.2  增材鈦合金的裂紋萌生源辨識
  4.2  裂紋擴展行為研究
    4.2.1  短裂紋擴展速率預測
    4.2.2  裂紋擴展路徑預測
  4.3  斷裂強度和斷裂韌性研究
    4.3.1  斷裂強度預測
    4.3.2  斷裂韌性預測
  4.4  本章小結
  參考文獻
第5章  基於機器學習的材料疲勞壽命預測
  5.1  基於神經網路的多軸疲勞壽命預測
    5.1.1  基於全連接神經網路的疲勞壽命預測模型

    5.1.2  基於長短期記憶網路的多軸疲勞壽命預測模型
    5.1.3  預測結果與討論
  5.2  基於自注意力機制的複雜疲勞壽命預測
    5.2.1  自注意力機器學習方法
    5.2.2  預測結果與討論
  5.3  基於機理驅動的機器學習疲勞壽命預測
    5.3.1  機理驅動的機器學習方法
    5.3.2  預測結果與討論
  5.4  基於領域知識引導符號回歸的增材製造金屬疲勞壽命預測
    5.4.1  數據集建立
    5.4.2  領域知識引導的符號回歸模型
    5.4.3  預測結果與討論
  5.5  本章小結
  參考文獻
第6章  基於機器學習的固體結構分析
  6.1  基於機器學習的固體結構變形分析
    6.1.1  基於機器學習的複合材料工藝誘導變形預測
    6.1.2  基於深度學習的加筋板三維變形預測
    6.1.3  基於機理驅動機器學習的梁屈曲預測
  6.2  基於機器學習的工程結構疲勞分析
    6.2.1  基於深度學習的激光粉末床融合AlSi10Mg缺口試樣疲勞壽命預測
    6.2.2  基於隨機森林的薄膜彎曲疲勞壽命預測
    6.2.3  基於機器學習的高強度螺栓疲勞壽命分析
  6.3  基於機器學習的工程結構斷裂分析
    6.3.1  基於數字圖像處理和機器學習的混凝土裂紋擴展預測
    6.3.2  基於機器學習的金屬結構疲勞裂紋擴展檢測
    6.3.3  融合機器學習和斷裂力學的鋼結構斷裂自動化評估
  6.4  本章小結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032