导读:本文包含了强度预测方法论文开题报告文献综述及选题提纲参考文献，主要关键词:热带气旋,时空特征,强度预测,深度学习
强度预测方法论文文献综述
郝坤,张天坤,史振威[1]（2019）在《基于时空特征的热带气旋强度预测方法》一文中研究指出热带气旋是一种极具破坏力的天气系统,我国每年都深受其带来的灾害困扰.目前热带气旋的强度预报业务以统计预报方法为主,通过利用气候持续因子对热带气旋未来的强度建立回归模型,不仅需要进行复杂的特征选择,而且缺乏对周围环境信息的利用,预报精度多年以来都未能有显着提升.提出了一个能同时提取时序特征与空间特征的热带气旋强度预测网络,针对环境场物理量因子对热带气旋的影响,使用卷积层学习其空间信息,结合循环神经单元对热带气旋的历史时间序列进行建模,实现端到端的预测输出.在对西北太平洋的热带气旋样本进行测试后,结果表明该24 h强度预测网络显着优于上海台风研究所公布的相应时段其他预报方法,故可作为一种新的智能预测模型,为预报员提供有价值的客观参考.(本文来源于《南京师范大学学报(工程技术版)》期刊2019年03期）
宫赫,张萌,樊瑜波[2]（2019）在《基于临床QCT影像的机器学习方法预测骨强度》一文中研究指出当今人口老龄化现象日益显着,骨质疏松、骨质增生等骨退变疾病是中老年群体的常见病、多发病。2018年10月国家卫健委发布的调查结果显示,我国65岁以上人群骨质疏松症患病率高达32.0%;50岁以上人群低骨量率为46.4%。骨质疏松最严重的后果是骨折。骨折的原因是骨的强度/刚度降低,不足以承担外部载荷。临床上常用的评价骨强度的方法是双能X线骨密度仪测量骨密度,然而,测量得到的是二维面积密度,不能准确反映骨强度和相应的骨折风险。骨是具有多层次结构的活的组织,其整体强度由骨的几何形态(包括宏观形态,即宏观形状和大小等,和内部骨小梁结构的排列)和骨材料/骨质的强度(包括矿化程度、胶原特性、显微损伤情况等)决定。基于临床医学影像的生物力学建模仿真方法(又称生物力学CT),是当今技术上最先进的无创评价骨强度的方法。然而,这种生物力学建模仿真方法对于力学要求高,临床医学工作者不容易掌握。因此,迫切需要建立起更为简单方便操作的基于临床医学影像评价骨强度和骨折风险的方法。本研究建立了基于临床QCT影像的机器学习模型,首先根据临床QCT影像建立个体化非线性有限元模型(QCT/FEA)预测骨强度,作为机器学习模型的输出,然后选取临床QCT影像中可以提取的与骨强度高度相关的信息作为输入,并采用参数筛选和参数降维的方法对输入参数进行处理,机器学习模型采用广义回归神经网络(GRNN)和支持向量机(SVM)。具体流程如下:(1)建立基于临床QCT影像的非线性有限元模型计算骨强度:QCT扫描获得骨影像,在Mimics软件里建立叁维几何模型,并生成体网格,赋予横观各向同性、非均匀、弹塑性材料属性,在ABAQUS软件中施加载荷和边界条件,给出合适的失效准则,进行非线性显微有限元分析,计算得到骨强度,作为机器学习模型的输出量。(2)机器学习模型的输入量:包括松质骨的材料分布(灰度分布在1、2、5、8、10、15、20、25、30、40、45、50、60、70和75%位点处的灰度值)、骨内区域灰度值(整体、皮质骨和松质骨分区域灰度值)、以及综合特征参数。利用训练集内骨结构的输入量和非线性有限元分析计算的骨强度作为输出量,建立广义回归神经网络和支持向量机两种机器学习模型,并用测试集内骨结构的输入量预测骨强度,用QCT/FEA计算的骨强度来验证机器学习模型的预测效果。即将测试集样本的QCT/FEA计算强度和机器学习模型预测强度绘制Bland-Altman图,分析QCT/FEA模型和机器学习模型所预测椎体强度之间的差异。结果表明,用参数筛选方法和参数降维方法获得一些参数的组合,两种机器学习模型对于骨强度的预测效果很好,且无显着性差异。为了验证训练好的机器学习模型对新样本强度的预测能力,从社区医院随机选取志愿者的QCT影像,运用QCT/FEA计算骨强度,机器学习模型预测骨强度,从相对误差可见机器学习模型预测骨强度准确性较高(相对误差小于8%)。本研究表明,采用基于临床QCT影像的机器学习模型可以有效地预测骨强度,为个体化骨折风险的评估提供了理论方法,便于临床制定相关治疗和干预策略。基于QCT影像预测骨强度不仅可以保证精度,而且对医护人员的操作技术要求较低,因此该方法具有广阔的应用前景。机器学习模型在股骨、脊柱、桡骨和胫骨等部位的强度预测、骨折风险评估方面具有很大的应用潜力。(本文来源于《医用生物力学》期刊2019年S1期）
徐国贤,谢仁军,吴怡,殷启帅[3]（2019）在《不同腐蚀缺陷套管剩余强度预测方法研究》一文中研究指出为预测在生产井套管腐蚀后的剩余强度,基于对套管表面腐蚀坑形状的规则化表征,采用有限元法建立了可模拟不同形状腐蚀缺陷的套管力学分析模型,用弹塑性理论进行腐蚀后套管剩余抗内压和抗外挤强度求解。以直径244. 5 mm、P110钢级套管为例,对圆球、椭球和矩体等3种形状、不同几何尺寸腐蚀坑的套管剩余强度进行规律性研究,给出了套管腐蚀后剩余强度预测流程,并成功应用于海外M油田在生产井。研究结果表明:腐蚀坑深度比是影响套管剩余强度的主要因素,随着腐蚀坑深度比的增加,套管剩余强度近似呈线性或6次多项式规律性下降趋势;当腐蚀坑投影面积相同时,矩体形坑腐蚀对套管剩余强度的影响最严重,椭球形腐蚀坑次之,圆球形腐蚀坑影响程度最低;对于相同的腐蚀形状及尺寸,腐蚀坑个数对套管剩余强度影响较小,但套管损坏或屈服的危险点增加。研究结果可为套管腐蚀后油气井的完整性及再利用评估提供有效手段。(本文来源于《石油机械》期刊2019年07期）
霍丙杰,荆雪冬,于斌,韩军[4]（2019）在《坚硬顶板厚煤层采场来压强度分级预测方法研究》一文中研究指出采场来压强度预测是矿压灾害防治的重要组成部分,是岩层控制的主要依据。首次定义矿压显现强度指数,并据此提出坚硬顶板厚煤层采场来压强度分级预测新方法。根据大同矿区坚硬顶板厚煤层开采实践,以远场高位结构失稳条件为核心,综合考虑影响矿压显现的基础指标和强化条件,建立坚硬顶板厚煤层采场矿压显现分级预测指标体系。基于模糊数学理论,构建矿压显现强度分级预测模型,并给出不同因素4个不同级别的量化指标。应用该方法对同忻煤矿坚硬顶板特厚煤层8105工作面矿压显现强度进行预测,预测结果与开采实践较吻合,应用研究表明,该方法可准确地预测坚硬顶板厚煤层工作面矿压显现特征。矿压显现强度指数分级预测方法指标体系普适、全面、系统,指标参数分级划分详实、可操作,该方法可为其他矿区坚硬顶板厚煤层采场来压强度预测、顶板管理等提供理论参考。(本文来源于《岩石力学与工程学报》期刊2019年09期）
欧阳黎健[5]（2019）在《车体疲劳强度设计及疲劳寿命预测方法研究》一文中研究指出文章介绍了车体疲劳强度设计方法,以及运用载荷谱的车体疲劳寿命预测方法,深入研究了基于AAR标准的疲劳分析方法和基于IIW标准的疲劳分析方法,并进行了具体案列分析与验证。(本文来源于《电力机车与城轨车辆》期刊2019年03期）
李戎,杨萌,梁斌[6]（2019）在《基于裂纹尖端应力比值的FGM板应力强度因子简便预测方法》一文中研究指出为了弥补含裂纹功能梯度材料(FGM)结构强度预测方法的不足,文章基于有限元分析方法,将复杂的FGM板应力强度因子求解问题转化为简单的FGM板和均匀材料板之间裂纹尖端应力比值计算问题,仅通过使用均匀材料板和FGM板裂纹尖端应力比值、均匀材料板应力强度因子经验公式即可得到任意FGM板应力强度因子值,从而提出了一种基于裂纹尖端应力比值的FGM板应力强度因子简便预测方法。该方法避免了复杂的矩阵运算以及数值积分,仅需建立二维有限元模型即可在保证精确度的基础上快速得到FGM板应力强度因子预测值。通过多组算例对比分析,证明该方法预测精度高,比传统计算方法更为简便,便于工程应用。(本文来源于《船舶力学》期刊2019年05期）
马娅,马力,潘宝林[7]（2019）在《基于成熟度方法预测混凝土早期强度研究》一文中研究指出本文在比较现有成熟度计算方法基础上,通过回归分析得到一个简单易用的成熟度计算公式,通过与基于Arrhenius方程得到的成熟度计算方法比较发现,二者计算结果接近,在描述温度对强度发展的影响上要明显优于传统的Saul法。由于其形式简洁,相比基于Arrhenius方程得到的成熟度计算方法更具有工程易用性。对比现有叁种常用的表示成熟度与强度的计算公式发现,在预测早期强度方面,指数形式在预测精度上最优,对数形式次之,而双曲线函数的预测精度最差。同时预测结果也再一次证实了本文提出的改进成熟度计算方法优于基于Arrhenius方程提出的成熟度法以及传统的Saul法。(本文来源于《公路交通科技(应用技术版)》期刊2019年05期）
成应晋,杨澍,王杏华[8]（2019）在《大壁厚ZG230-450H铸件强度预测方法》一文中研究指出对存在严重偏析的1 000 mm大壁厚ZG230-450H铸钢件取样进行小试样正火+不同温度回火热处理,采用主成分分析方法和强度数据多元线性回归法分析测试数据发现, C含量和回火温度是影响铸钢强度的两个主要因素。通过分析大壁厚ZG230-450H的合金元素、回火温度与一定晶粒度下铸钢强度的关系,建立了晶粒度为8.5级时铸钢强度预测模型以及基于HallPetch关系的不同晶粒度下强度的换算公式。考虑到铸钢壁厚的影响,并结合生产数据,对模型进行了修正和检验。结果显示,该强度预测方法具有一定的实用价值。(本文来源于《铸造》期刊2019年04期）
高建雄[9]（2019）在《纤维增强复合材料剩余强度模型及寿命预测方法研究》一文中研究指出纤维增强复合材料(Fiber Reinforced Polymer,FRP)由于具有重量轻、比强度高、比刚度大、耐腐蚀、抗冲击、结构性能可设计性强、易于整体化成型等诸多优点而被广泛应用于航空航天、汽车、风电、船舶、建筑等众多重要工业领域。然而,在服役过程中由于受交变载荷及环境因素的影响,FRP通常会产生多种损伤模式,且不同损伤模式之间彼此诱发和相互耦合,导致其强度退化规律难以揭示,给FRP疲劳寿命的准确评估带来极大挑战。本文以不同载荷工况为主线,围绕FRP的剩余强度模型和寿命预测方法两个基本问题展开研究。主要研究内容及研究成果概述如下:(1)建立恒幅循环载荷作用下FRP的剩余强度模型。为揭示恒幅循环载荷作用下FRP的强度退化规律,首先分析和讨论了传统剩余强度模型在工程应用中普遍存在的局限性;然后,基于干涉分析理论和Weibull分布构建了两种典型的干涉模型:载荷循环次数—疲劳寿命干涉模型和循环应力—剩余强度干涉模型,并研究了它们之间存在的内在关联性;最后,推导出恒幅循环载荷作用下FRP剩余强度的概率模型,并运用碳纤维/环氧复合材料的疲劳试验数据验证了该模型的有效性。研究结果表明,与传统的剩余强度模型相比,所建模型具有严密的理论基础和较高的计算精度,不仅能够减少对试验数据和主观经验的依赖性,而且能够反映FRP剩余强度固有的分散性。(2)建立不确定性恒幅循环载荷作用下FRP的剩余强度模型。针对现有研究主要集中在疲劳可靠性评估和疲劳损伤累积两个方面,尚未涉及不确定性恒幅循环载荷作用下FRP的强度退化问题。为此,首先研究了不确定性恒幅循环应力和疲劳寿命之间的映射关系,提出了根据循环应力概率分布推断FRP疲劳寿命概率分布的方法;然后,基于剩余强度和剩余寿命取决于复合材料内部同一疲劳损伤状态的假设,建立了FRP剩余强度的概率模型;最后,利用所建模型分析了不确定性恒幅循环载荷作用下碳纤维/环氧复合材料的强度退化规律。研究结果表明,所建模型不仅能够描述剩余强度在同一个体内所具有的不可逆性,而且能够反映剩余强度在不同个体之间所具有的随机性。(3)建立随机循环载荷作用下FRP的剩余强度模型。探讨了传统剩余强度理论的适用范围,指出现有剩余强度模型大多仅适用于恒幅循环载荷或多级恒幅循环载荷等简单载荷工况,对随机循环载荷作用下FRP的强度退化规律无力描述。针对这一问题,首先考虑外部载荷的随机性特征,基于Miner累积损伤准则和全概率公式,推导出随机循环载荷作用下FRP的疲劳寿命模型;然后,考虑材料性能的分散性特征,基于概率统计原理和同损伤状态假设,建立了随机循环载荷作用下FRP剩余强度的概率模型;最后,利用所建模型分析了具有不同铺层方式的玻璃纤维/环氧复合材料的强度退化规律。研究结果表明,所建模型不仅具有形式简单、便于工程应用的特点,而且能够综合反映外部载荷的随机性和材料性能的分散性对FRP剩余强度演变规律的影响。(4)建立疲劳载荷和自然老化共存环境下FRP的剩余强度模型。为揭示疲劳载荷和自然老化共存环境下FRP的强度退化规律,首先引入环境综合因子来量化描述温度、湿度及光照辐射等环境因素对FRP自然老化过程的影响;然后,构建了自然老化环境下FRP的剩余强度模型,并运用玻璃纤维/环氧复合材料的自然老化试验数据验证了该模型的有效性;最后,考虑疲劳载荷的影响,结合具有“快→慢→快”发展趋势的退化轨迹模型,建立了疲劳载荷和自然老化共存环境下FRP的剩余强度模型,并分析了不同试验地点玻璃纤维/环氧复合材料的强度退化规律。研究结果表明,疲劳载荷对FRP剩余强度的影响主要表现为损伤效应,而自然老化对FRP的剩余强度具有双重影响:在早期主要表现为增强效应,在中后期则以损伤效应为主。(5)提出应力幅值和应力均值共同影响下FRP的寿命预测方法。为准确预测随机循环载荷作用下FRP的疲劳寿命,首先基于应力—寿命关系方程和Goodman等寿命图模型,建立了表征FRP疲劳性能的广义S-N曲面;然后,修正了传统的Miner累积损伤准则,使其能够反映应力幅值和应力均值对FRP疲劳损伤累积规律的影响;最后,考虑应力幅值和应力均值的随机性,基于修正的Miner累积损伤准则和全概率公式,提出了随机循环载荷作用下FRP的疲劳寿命预测方法,并利用玻璃纤维/环氧复合材料的试验数据验证了该方法的有效性。研究结果表明,纤维的铺设角度及铺设顺序对FRP的疲劳寿命具有显着影响,基体主要起固定纤维和传递纤维间载荷的作用。(本文来源于《兰州理工大学》期刊2019-03-18）
王明明[10]（2019）在《含初始分层复合材料结构剩余强度与疲劳寿命预测方法研究》一文中研究指出复合材料层合结构无法避免一定程度的初始损伤,常见的如分层、孔隙等,其中分层是复合材料的重要损伤形式。初始分层损伤会降低复合材料层合结构的层间力学性能,导致层合结构在承受低于设计值的载荷时,发生整体结构的破坏。因此,为了提高层合结构的安全性和可靠性,针对含初始分层缺陷复合材料结构剩余强度和疲劳性能的研究相当必要。本文以T300/BMP316复合材料层合板为研究对象,开展含初始分层损伤复合材料层合板静强度和疲劳寿命预测方法的研究,对于含初始分层的层合板,现有的层间模型和分层准则较多,但关于不同的层间模型及其适用的分层准则的对比分析很少,因此本文重点介绍叁种层间模型和相应的分层准则,并基于此建立层合板静强度和疲劳寿命的分析模型与预测方法,以对不同的层间模型及其分层准则的适用性和正确性进行综合对比评价。本文的主要研究内容如下:1.针对含初始分层损伤的复合材料层合板,采用节点合并、节点耦合和叁维实体单元等叁种方式建立层间模型,并对不同的模型分别选用分层失效准则。节点合并模型选用叁维Hashin分层准则,节点耦合模型选用幂指数准则,叁维实体模型用基于裂纹带模型并与能量释放率相关的准则判断分层损伤。2.基于逐渐损伤分析方法,引入静强度的叁种层间模型及相应的分层失效准则,结合Hashin静强度面内失效准则和材料性能退化方式,建立含分层损伤复合材料层合板剩余强度的分析模型和预测方法。3.基于逐渐累积损伤分析方法,引入疲劳的叁种层间模型及相应的分层失效准则,结合Hashin疲劳面内失效准则,材料性能退化方式,剩余刚度模型和剩余强度模型,建立含分层损伤复合材料层合板疲劳寿命的分析模型和预测方法。4.针对T300/BMP316碳纤维树脂基复合材料,开展复合材料层间断裂韧性试验研究,获得?型和П型层间断裂韧性,为基于能量释放率的幂指数准则提供相关参数。5.结合含分层损伤复合材料层合板的试验结果,对所预测的损伤规律、剩余强度和疲劳寿命进行综合对比分析,以验证本文所采用的叁种层间模型和分层失效准则的适用性与正确性。(本文来源于《南京航空航天大学》期刊2019-03-01）
强度预测方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
当今人口老龄化现象日益显着,骨质疏松、骨质增生等骨退变疾病是中老年群体的常见病、多发病。2018年10月国家卫健委发布的调查结果显示,我国65岁以上人群骨质疏松症患病率高达32.0%;50岁以上人群低骨量率为46.4%。骨质疏松最严重的后果是骨折。骨折的原因是骨的强度/刚度降低,不足以承担外部载荷。临床上常用的评价骨强度的方法是双能X线骨密度仪测量骨密度,然而,测量得到的是二维面积密度,不能准确反映骨强度和相应的骨折风险。骨是具有多层次结构的活的组织,其整体强度由骨的几何形态(包括宏观形态,即宏观形状和大小等,和内部骨小梁结构的排列)和骨材料/骨质的强度(包括矿化程度、胶原特性、显微损伤情况等)决定。基于临床医学影像的生物力学建模仿真方法(又称生物力学CT),是当今技术上最先进的无创评价骨强度的方法。然而,这种生物力学建模仿真方法对于力学要求高,临床医学工作者不容易掌握。因此,迫切需要建立起更为简单方便操作的基于临床医学影像评价骨强度和骨折风险的方法。本研究建立了基于临床QCT影像的机器学习模型,首先根据临床QCT影像建立个体化非线性有限元模型(QCT/FEA)预测骨强度,作为机器学习模型的输出,然后选取临床QCT影像中可以提取的与骨强度高度相关的信息作为输入,并采用参数筛选和参数降维的方法对输入参数进行处理,机器学习模型采用广义回归神经网络(GRNN)和支持向量机(SVM)。具体流程如下:(1)建立基于临床QCT影像的非线性有限元模型计算骨强度:QCT扫描获得骨影像,在Mimics软件里建立叁维几何模型,并生成体网格,赋予横观各向同性、非均匀、弹塑性材料属性,在ABAQUS软件中施加载荷和边界条件,给出合适的失效准则,进行非线性显微有限元分析,计算得到骨强度,作为机器学习模型的输出量。(2)机器学习模型的输入量:包括松质骨的材料分布(灰度分布在1、2、5、8、10、15、20、25、30、40、45、50、60、70和75%位点处的灰度值)、骨内区域灰度值(整体、皮质骨和松质骨分区域灰度值)、以及综合特征参数。利用训练集内骨结构的输入量和非线性有限元分析计算的骨强度作为输出量,建立广义回归神经网络和支持向量机两种机器学习模型,并用测试集内骨结构的输入量预测骨强度,用QCT/FEA计算的骨强度来验证机器学习模型的预测效果。即将测试集样本的QCT/FEA计算强度和机器学习模型预测强度绘制Bland-Altman图,分析QCT/FEA模型和机器学习模型所预测椎体强度之间的差异。结果表明,用参数筛选方法和参数降维方法获得一些参数的组合,两种机器学习模型对于骨强度的预测效果很好,且无显着性差异。为了验证训练好的机器学习模型对新样本强度的预测能力,从社区医院随机选取志愿者的QCT影像,运用QCT/FEA计算骨强度,机器学习模型预测骨强度,从相对误差可见机器学习模型预测骨强度准确性较高(相对误差小于8%)。本研究表明,采用基于临床QCT影像的机器学习模型可以有效地预测骨强度,为个体化骨折风险的评估提供了理论方法,便于临床制定相关治疗和干预策略。基于QCT影像预测骨强度不仅可以保证精度,而且对医护人员的操作技术要求较低,因此该方法具有广阔的应用前景。机器学习模型在股骨、脊柱、桡骨和胫骨等部位的强度预测、骨折风险评估方面具有很大的应用潜力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
强度预测方法论文参考文献
[1].郝坤,张天坤,史振威.基于时空特征的热带气旋强度预测方法[J].南京师范大学学报(工程技术版).2019
[2].宫赫,张萌,樊瑜波.基于临床QCT影像的机器学习方法预测骨强度[J].医用生物力学.2019
[3].徐国贤,谢仁军,吴怡,殷启帅.不同腐蚀缺陷套管剩余强度预测方法研究[J].石油机械.2019
[4].霍丙杰,荆雪冬,于斌,韩军.坚硬顶板厚煤层采场来压强度分级预测方法研究[J].岩石力学与工程学报.2019
[5].欧阳黎健.车体疲劳强度设计及疲劳寿命预测方法研究[J].电力机车与城轨车辆.2019
[6].李戎,杨萌,梁斌.基于裂纹尖端应力比值的FGM板应力强度因子简便预测方法[J].船舶力学.2019
[7].马娅,马力,潘宝林.基于成熟度方法预测混凝土早期强度研究[J].公路交通科技(应用技术版).2019
[8].成应晋,杨澍,王杏华.大壁厚ZG230-450H铸件强度预测方法[J].铸造.2019
[9].高建雄.纤维增强复合材料剩余强度模型及寿命预测方法研究[D].兰州理工大学.2019
[10].王明明.含初始分层复合材料结构剩余强度与疲劳寿命预测方法研究[D].南京航空航天大学.2019