摘要
本公开涉及机器学习技术领域,尤其涉及一种实现超弹性材料应力映射及本构关系对称性识别的方法及装置。所述方法包括:获取训练数据,训练数据包括多组样本数据组,每组样本数据组包括超弹性材料样本的应变数据和对应的外力;根据训练数据,通过无监督学习方式训练神经网络模型,神经网络模型用于指示超弹性材料样本的本构关系,识别本构关系的对称性特征,将对称性特征嵌入神经网络模型中,得到目标神经网络模型。本公开实施例提供的方法可以精确识别超弹性材料的应力,实现应力状态的准确映射,还能自动识别材料本构关系的对称性,无需额外数据。通过对称性识别与嵌入,能显著提升模型预测性能,并拓展其在各向异性材料建模中的应用。
技术关键词
对称性特征
训练神经网络模型
无监督学习
数据
关系
样本
应力
非易失性计算机可读存储介质
矩阵
机器学习技术
外力
方程
处理器
算法
识别模块
存储器
参数
系统为您推荐了相关专利信息
RFID读写模块
RFID射频标签
数据处理模块
控制系统
无线发送模块
监控方法
航班延误信息
高风险
航空
实时图像采集
待测材料
数据处理单元
长短期记忆网络
序列
灰狼算法