英文字典中文字典


英文字典中文字典51ZiDian.com



中文字典辞典   英文字典 a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   z       







请输入英文单字，中文词皆可：


请选择你想看的字典辞典：
单词字典翻译
segregates查看　segregates　在百度字典中的解释百度英翻中〔查看〕
segregates查看　segregates　在Google字典中的解释Google英翻中〔查看〕
segregates查看　segregates　在Yahoo字典中的解释Yahoo英翻中〔查看〕

安装中文字典英文字典查询工具!


中文字典英文字典工具:
选择颜色:
输入中英文单字

































































英文字典中文字典相关资料:


  • 使用概率物理信息神经网络进行疲劳寿命预测的物理一致框架 . . .
    为了解决这个问题，我们提出了一个物理上一致的疲劳寿命预测框架，该框架使用概率物理信息神经网络 (PINN) 来整合支撑疲劳机制的物理学。 特别是，我们使用带有输出的概率神经网络来考虑疲劳寿命的分散，以参数化疲劳寿命分布。
  • 基于物理信息的多轴疲劳寿命预测 - 知乎
    多轴疲劳寿命预测一直是疲劳研究中最关键的挑战之一。 该工作提出了一种物理信息数据驱动框架，通过预封装损伤核将任意多轴载荷路径映射至疲劳寿命，所有模型常数均可通过标准疲劳寿命方程中获取。 与依赖预设非比例…
  • 缺陷下物理信息驱动机器学习的疲劳寿命预测方法-学位-万方 . . .
    因此，针对缺陷下重大装备结构疲劳定寿问题，本文开展以下工作： （1）针对目前基于断裂力学与纯数据驱动方法的局限性，概述了疲劳寿命预测中开发物理信息机器学习动机及现状。
  • 疲劳寿命预测的机器学习模型研究进展 - shu. edu. cn
    近年来，人工智能模型为疲劳寿命预测提供了新的研究范式，特别是在人工智能模型中融入已有知识，可有效提升其训练和预测能力。 文章综述了知识和数据融合驱动的疲劳寿命预测模型的国内外研究进展，分析了各自的优势与不足，并对未来发展趋势进行了展望。 关键词: 疲劳寿命预测, 机器学习, 数据驱动, 知识引导 Abstract: Accurate
  • 基于损伤力学的金属构件概率疲劳寿命预测方法
    基于连续介质损伤力学，提出了一种预测金属构件高周疲劳寿命的概率方法。 结合Eshelby-Kroner局域化准则和金属典型弹塑性本构方程构建了宏细观双尺度应力应变桥联方程；将Lemaitre疲劳损伤演化模型中部分参数随机化，通过对模型反演优化获取其概率特性。
  • 疲劳寿命预测的机器学习模型研究进展 - 百度学术
    疲劳寿命的准确预测一直是重大装备设计研发所面临的挑战性难题 近年来,人工智能模型为疲劳寿命预测提供了新的研究范式,特别是在人工智能模型中融入已有知识,可有效提升其训练和预测能力 文章综述了知识和数据融合驱动的疲劳寿命预测模型的国内外研究
  • 基于物理信息神经网络的金属多轴疲劳寿命预测进展
    材料的多轴疲劳寿命预测研究是保证部件结构完整性的关键要素之一。 近年来机器学习尤其是神经网络在疲劳寿命预测领域得到了广泛应用。 然而，疲劳数据的不足阻碍了神经网络在疲劳预测中的进一步应用。
  • 机械工程与力学学院丁燕怀教授团队在复合材料力学研究中 . . .
    长期以来，玻璃纤维增强热塑性复合材料（GFRTP）的疲劳性能测试与寿命预测一直是制约其在航空航天、汽车制造等高性能装备领域广泛应用的核心难题。 传统实验方法不仅成本高，且实验周期长。 而基于小样本数据的机器学习模型又普遍存在预测精度不足、泛化能力弱等问题。
  • 【科研资讯】数据-物理模型驱动的超高周疲劳寿命预测方法
    超高周疲劳是结构超长寿命服役需要考虑的失效模式，人们通过研究疲劳裂纹萌生与扩展机理，建立了超高周疲劳寿命的物理模型；近年来，人工智能与疲劳研究的结合为寿命预测提供了新思路，但数据量不足、纯数据驱动未有效融合物理模型仍是制约疲劳寿命预测的难题。 针对这些问题，华东理工大学朱明亮教授、轩福贞教授等人提出了数据-物理模型驱动的超高周疲劳寿命预测框架（图1），通过选择结构材料的小样本疲劳寿命数据，使用Z参量寿命模型进行数据扩展，引入多种机器学习算法和物理模型，采用多种材料对数据-物理模型的预测能力进行比较与验证。
  • 知识融合的概率建模框架：金属增材制造疲劳寿命预测与不 . . .
    本文针对增材制造金属疲劳寿命预测中传统确定性方法难以量化不确定性的问题，提出了一种结合贝叶斯神经网络与物理信息屈服强度修正的概率框架。 研究通过分析四种合金在变载荷条件下的10,501个疲劳数据点，实现了对材料变异性和模型不确定性的同步量化。





中文字典-英文字典  2005-2009