基于机器学习优化复合材料设计以提高断裂韧性
材料科学
2024-06-25 v1 机器学习
摘要
本文利用机器学习(ML)技术探讨了2D和3D复合结构的优化，聚焦于Double Cantilever Beam(DCB)测试中的断裂韧性和裂纹扩展。通过探索微观构型与宏观性质之间的复杂关系，该研究表明ML作为加速设计优化过程的强大工具，相对于传统有限元分析具有显著优势。该研究涵盖四种不同情况，检验2D和3D复合模型中的裂纹扩展和断裂韧性。通过应用ML算法，研究展示了在有限训练数据下对广泛的复合材料设计空间进行快速准确探索的能力。这一工作的结果突显了ML在预测机械行为方面的效率，为复合材料设计和优化的更广泛应用铺平了道路。本工作促进了对ML在提高复合材料设计过程效率中发挥作用的理解。
引用
@article{arxiv.2406.16166,
title = {Composite Material Design for Optimized Fracture Toughness Using Machine Learning},
author = {Mohammad Naqizadeh Jahromi and Mohammad Ravandi},
journal= {arXiv preprint arXiv:2406.16166},
year = {2024}
}