《表4 分别考虑位置不确定性 (Ⅰ) 和角度不确定性 (Ⅱ) 时RSF/UC的有效杨氏模量E和剪切模量G的变异系数γE和γG随纤维长宽比的变化》

  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

图8给出了分别考虑纤维位置和角度的不确定性，统计5 000个样本点，μE、σE和μG、σG随纤维长宽比的变化。其中纵坐标表示均值μ，误差线表示标准差σ。可以看出:随着纤维长宽比的增大，纤维体积比随之增大，μE、μG、σE、σG也随之增大。比较相同长宽比下两种情况的标准差，发现位置不确定性传递的误差小于角度不确定性。表4给出了不同长宽比下两种情况变异系数具体值。可以看出，在长宽比较小λ<9时，变异系数γ<3%，数据分布非常集中，位置和角度引起的有效性能误差可忽略不计，随着长宽比增大，当λ>11时γ>5%，此时微结构参数的不确定性会给预测结果带来较大误差。