[发明专利]一种基于深度学习的碳纤维增强水泥基材料的设计方法

权利要求书

1.一种基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，包括以下步骤：

步骤1，确定碳纤维增强水泥基材料的微观结构设计参数和物理性能设计参数；将n组已设计完成的碳纤维增强水泥基材料数据包作为训练样本，将每组已设计完成的碳纤维增强水泥基材料数据包划分为微观结构数据和物理性能数据，并构建对应的微观结构训练样本集和物理性能训练样本集；

其中，n＞100；每组微观结构数据包含已设计完成的碳纤维增强水泥基材料的微观设计参数、多幅扫描电子显微镜图像及其对应的二值化图像、碳纤维分散性指标、界面交互面积；每组物理性能数据包含已设计完成的碳纤维增强水泥基材料的物理性能设计参数、弯曲强度、导电系数和导热系数；

步骤2，根据微观结构训练样本集，对应构建微观结构深度神经网络模型；根据物理性能训练样本集，对应构建物理性能深度神经网络模型；

步骤3，采用微观结构训练样本集对微观结构深度神经网络模型进行训练，得到微观结构评估模型；采用物理性能训练样本集对物理性能深度神经网络模型进行训练，得到物理性能评估模型；

步骤4，随机选择ε组已设计完成的碳纤维增强水泥基材料数据包，ε＞45，对应ε个已设计完成的碳纤维增强水泥基材料；给定待设计目标材料的弯曲强度、导电系数和导热系数，计算待设计目标材料与每个已设计完成的碳纤维增强水泥基材料之间的性能损失值，进而计算每个性能损失值相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导；

步骤5，将每个已设计完成的碳纤维增强水泥基材料数据包中的部分微观结构设计参数输入微观结构评估模型，对应得到微观结构评估模型每个全连接层的每个神经元的输出结果；将每个已设计完成的碳纤维增强水泥基材料数据包中的物理性能设计参数输入物理性能评估模型，对应得到物理性能评估模型每个全连接层的每个神经元的输出结果；根据每个性能损失值相对于待设计目标材料的弯曲强度、导电系数、导热系数的偏导，采用反向传播法计算物理性能评估模型每个全连接层的每个神经元输出偏差，进而计算微观结构评估模型每个全连接层的每个神经元输出偏差；并据此计算目标材料的微观设计参数和物理性能设计参数，即得到目标材料的设计方案。

2.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述微观结构设计参数包含碳纤维掺量、水灰比、碳纤维混合类型、搅拌时间、搅拌速度、分散剂类型、养护温度、养护湿度和水泥强度；所述物理性能设计参数包含碳纤维分散性指标、界面交互面积、养护温度、养护湿度、养护时间、碳纤维强度、碳纤维导电率、碳纤维导热率、水泥强度；

步骤5中，所述部分微观结构设计参数为碳纤维掺量、水灰比、碳纤维混合类型、搅拌时间、搅拌速度和分散剂类型。

3.根据权利要求2所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述碳纤维混合类型包含前掺法和后掺法；所述分散剂类型包含甲基纤维素、羧甲基纤维素钠和羟乙基纤维素。

4.根据权利要求1所述的基于深度学习的碳纤维增强水泥基材料的设计方法，其特征在于，所述扫描电子显微镜图像对应的二值化图像中水泥基体材料的像素点灰度值为255、对应碳纤维的像素点灰度值为0；或者水泥基体材料的像素点灰度值为0、对应碳纤维的像素点灰度值为255。