《表1 RSF/UC材料各相参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的短纤维增强聚氨酯复合材料性能预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

建立RSF/UC模型，其中RVE边长为60mm。纤维宽度为1.5mm，数目N=35。材料体系如表1所示。由于纤维长宽比λ受RVE尺寸限制，本文取λ∈[8，14]，随机选取M组参数，使用随机吸附法[20]（RSA）建立代表性体积单元，并在ABAQUS中求解并生成样本。为验证仿真样本的合理性，图3给出了不同长宽比下1000个样本点及其均值曲线和使用理论法（Mori-Tanaka，M-T）法[21]预测曲线图，结果表明二者在中等体积比（<30%）内的预测结果差别小于5%。M-T法由于使用了等应变假设，不适用于较高的纤维体积比，因而随着体积比继续增大，其预测结果偏小。以上分析表明仿真结果较准确地反映了材料的真实性能。按7∶3将样本分为训练集和测试集，使用批梯度下降法训练模型，损失函数H定义为