基于CNN-SVR模型对两相复合材料电容值的预测
电介质复合材料是重要的储能材料,其电容是电容器关键参数之一.传统方法中,实际的电容值是由仪器直接测试得到,给定微观结构的复合材料其电容值可以由泊松方程计算得到.在计算机模拟生成的数据集基础上,采用CNN-SVR模型进行了预测研究,研究结果表明,机器学习方法能够快速有效地预测给定复合材料微观结构的电容值,不仅克服了静态物理特征表达能力的不足,而且摆脱了繁琐的特征设计过程,也避免了复杂的有限元仿真运算.该方法还具有推广和应用于复合材料其他物理特性研究的潜力.
复合材料、电容、计算机模拟、机器学习
40
TP18;TM53(自动化基础理论)
广东省自然科学粤佛联合基金青年项目2020A1515110601
2022-04-14（万方平台首次上网日期，不代表论文的发表时间）
共8页
36-43
