基于k近邻分类的复合材料点云失效判据
机器学习
2021-06-08 v1
摘要
众多失效理论已被提出并应用于各种复合材料商业程序中。即便最优理论在验证工作中预测损伤与失效的成功率也有限。在此背景下，许多研究者已开始探索使用多尺度建模以提高各类结构与材料体系建模和仿真的保真度。本文采用多尺度建模方案，说明如何结合虚拟与实验室测试程序生成失效曲面数据的点云，该点云可在连续尺度有限元分析中查询以判定是否发生失效起始。采用k近邻（k-NN）分类概念获得查询答案。一个使用单向复合材料的线性、弹性、静态有限元示例表明，该框架可被有效且高效地生成与使用，并有可能扩展至所有类型的复合材料构型与行为。
引用
@article{arxiv.2106.02714,
title = {Point Cloud Failure Criterion for Composites using k-Nearest Neighbor Classification},
author = {Subramaniam Rajan and Bilal Khaled and Loukham Shyamsunder},
journal= {arXiv preprint arXiv:2106.02714},
year = {2021}
}
备注
19 pages, 11 figures