【技术实现步骤摘要】
本专利技术属于材料分析，具体涉及基于自适应神经网络的复合材料智能检测方法。
技术介绍
1、随着科学技术的不断发展，复合材料作为一种新型材料在诸多领域中得到了广泛应用，复合材料的广泛应用也带来了诸多挑战，其中之一就是如何对其进行有效的检测和分类。传统的复合材料检测和分类方法主要依赖于人工经验和实验室测试。然而，传统的复合材料检测和分类方法存在诸多问题，如主观性和耗时性、信息获取不足、对多样性的挑战以及数据分析困难等。
2、为了解决这些问题，现有技术不断探索新的方法和技术手段，以提高复合材料的检测和分类效率、准确性和智能化程度。近年来，一些新型技术如自适应神经网络、拉普拉斯多维向量空间等开始被引入到复合材料的检测和分类领域。这些新技术能够克服传统方法的局限性，提供更有效、更精确的检测和分类手段。例如，自适应神经网络模型可以通过学习大量数据来提取复合材料的特征，从而实现对复材料的智能检测和分类。拉普拉斯多维向量空间则为复合材料的特征提取提供了新的数学工具和分析手段，有助于更全面地了解复材料的结构和性能。
3、但是，尽管...
【技术保护点】
1.基于自适应神经网络的复合材料智能检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于自适应神经网络的复合材料智能检测方法，其特征在于，步骤1中采集到的物理化学参数包括：晶体结构参数、位错密度、表示复合材料在温度变化下的线性膨胀程度的热膨胀系数、描述了复合材料在温度变化时长度的变化率的线性热膨胀系数、杨氏模量、裂纹尖端应力强度因子、复合材料在受力时达到的最大应力值、复合材料在受力时达到的最大应变值、熔化焓和玻璃化转变温度。
3.如权利要求2所述的基于自适应神经网络的复合材料智能检测方法，其特征在于，复合材料的高维参数向量x使用如下
【技术特征摘要】
1.基于自适应神经网络的复合材料智能检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于自适应神经网络的复合材料智能检测方法，其特征在于，步骤1中采集到的物理化学参数包括：晶体结构参数、位错密度、表示复合材料在温度变化下的线性膨胀程度的热膨胀系数、描述了复合材料在温度变化时长度的变化率的线性热膨胀系数、杨氏模量、裂纹尖端应力强度因子、复合材料在受力时达到的最大应力值、复合材料在受力时达到的最大应变值、熔化焓和玻璃化转变温度。
3.如权利要求2所述的基于自适应神经网络的复合材料智能检测方法，其特征在于，复合材料的高维参数向量x使用如下公式进行表示：
4.如权利要求3所述的基于自适应神经网络的复合材料智能检测方法，其特征在于，基于物理场导向的特征提取方法，提取高维参数向量的关键特征，得到参数向量f的过程包括：将复合材料放入一个电场，通过如下公式，构建参数向量f的电场方程：
5.如权利要求4所述的基于自适应神经网...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。