基于图像建模和深度学习的非均质材料有效力学性能预测

与均质材料的组成均匀性不同，非均质材料通常由两种或多种不同的成分组成。通常认为，非均质材料的有效材料性能与机械性能和每种成型成分的分布模式有关。然而，在宏观力学性能和微观结构之间建立明确的关系似乎很复杂。具体来说，深度神经网络是用来处理输入-输出映射复杂情况的。本文提出了一种建立非均质材料有效力学性质与中尺度结构之间隐式映射的方法，以页岩为例阐述了该方法。在中尺度上，页岩样品是由多种成分组成的复杂非均质复合物，每种成分的力学性质差异很大，在页岩样品中以完全随机的方式分布。本文采用图像处理技术将页岩样品图像转换为有限元模型，利用有限元分析评估页岩样品的有效力学性质。经验证，训练后的卷积神经网络能够准确有效地预测真实页岩样品的有效模量。