期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
数字孪生增强的复合材料质量预测 被引量：1
1
作者 王雨澄 陶飞 +2 位作者 左颖 张萌 戚庆林 《Engineering》 SCIE EI CAS CSCD 2023年第3期23-33,共11页
复合材料以其优异的性能被广泛应用于许多领域。复合材料的质量缺陷会导致其构件的性能下降,成为潜在的事故隐患。当前国内外研究者通常采用实验或仿真的方法对复合材料的质量进行预测。然而,由于固化环境的不确定性和动态、静态特征考... 复合材料以其优异的性能被广泛应用于许多领域。复合材料的质量缺陷会导致其构件的性能下降,成为潜在的事故隐患。当前国内外研究者通常采用实验或仿真的方法对复合材料的质量进行预测。然而,由于固化环境的不确定性和动态、静态特征考虑不全面,因此难以准确预测复合材料的质量。为了解决这一问题,本文首先建立了复合材料的数字孪生(DT)模型,然后通过实现静态热压罐DT虚拟模型与可变复合材料DT虚拟模型的耦合,完成复合材料固化过程数字孪生模型的构建。基于该固化过程模型,生成模拟数据来增加动态特征,从而提高质量预测的准确性。最后基于获取的数据,使用极限学习机(ELM)构建复合材料质量预测模型,并通过结果分析验证了所提方法的有效性。 展开更多
关键词 Digital twin Quality prediction COMPOSITES Coupling models
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部