[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

说明书

本发明公开了一种基于深度学习的碳纤维增强水泥基材料的设计方法；利用微观结构深度神经网络评估不同参数对碳纤维增强水泥基材料微细观结构的影响；利用物理性能深度神经网络评估不同参数对碳纤维增强水泥基材料弯曲强度、导电性、导热性的影响；之后利用两个深度神经网络的权值，采用反向传播法计算材料的初始设计参数和已知性能的材料设计参数的差值；最后，依据差值计算待设计目标材料的设计参数。本发明能够快速、实时、准确设计符合要求的碳纤维增强水泥基材料，设计过程避免了实验室尝试性试验，从而提高碳纤维增强水泥基材料的设计效率和准确程度，能够保证碳纤维增强水泥基材料的性能。

技术领域

本发明属于土木工程材料技术领域，尤其涉及一种基于深度学习的碳纤维增强水泥基材料的设计方法。

背景技术

碳纤维增强水泥基材料具有良好的抗弯强度、导电性、导热性。因此，碳纤维增强水泥基材料作为功能性材料近年来被广泛用于土木工程，但这使得材料设计工作量日益增大。主要原因在于影响碳纤维增强水泥基材料物理和力学性能的因素太多。然而，现阶段广泛采用设计方法是实验室的尝试性试验设计方法，导致了庞大的碳纤维增强水泥基材料设计参数选取、调整工作以及相应的试验测试工作，这样将直接导致试验进程缓慢且费时又耗材，因此，如何在保障材料的物理和力学性能的基础上，减少碳纤维增强水泥基材料设计参数调整工作量以及相应的试验测试工作量是目前碳纤维增强水泥基复合材料设计面临的一大难题。

近年来，深度学习技术开始成为材料设计的重要手段。深度学习可以依据已设计完成材料的性能和设计参数建立设计参数和性能的映射关系并在给定设计参数的情况下依据映射关系预测待设计材料的性能，具有设计碳纤维增强水泥基材料的潜力。

发明内容

针对现有设计方法的不足，本发明的目的是提供一种基于深度学习的碳纤维增强水泥基材料的设计方法。将深度学习应用于材料设计，使庞大的材料参数设计试验转化为对神经网络模型的训练，大大降低了材料设计的实际工作量，提高了碳纤维增强水泥基材料的设计效率和准确率，同时保证了设计碳纤维增强水泥基材料的物理和力学性能；为复合材料的设计提供了一种新的设计途径。

一种基于深度学习的碳纤维增强水泥基材料的设计方法，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；