-
公开(公告)号：CN107908921B
公开(公告)日：2020-09-11
申请号：CN201711089422.0
申请日：2017-11-08
Applicant: 北京科技大学
Abstract: 本发明提供一种模拟不同质相高聚物降解强度变化的方法，能够模拟得到高聚物材料在降解过程中弹性强度的变化趋势。所述方法包括：S1，将高聚物材料离散成元胞，并初始化当前反应时间t1；S2，确定参与剪切的分子链和距离确定的所述参与剪切的分子链进行链剪切反应的时间间隔Δt；S3，在t1+Δt时刻，所述参与剪切的分子链发生链剪切反应，更新元胞的状态，并根据更新后的元胞的状态，针对不同的元胞状态采用不同的强度计算式，并统计所有元胞的强度得到所述高聚物材料整体的强度；S4，执行t1＝t1+Δt，若t1小于预设的扩散时间步长，则返回执行S2，否则，链剪切反应产生的低聚物向高聚物材料外进行扩散。本发明涉及可降解高分子材料领域。
-
公开(公告)号：CN111428823B
公开(公告)日：2020-10-20
申请号：CN202010526027.X
申请日：2020-06-11
Applicant: 北京科技大学
Abstract: 本发明提供一种可以识别新类的磨粒分类模型与方法，该磨粒分类模型包括：特征向量提取阶段网络，用于提取磨粒图像的特征向量；类中心向量提取阶段网络，用于提取磨粒的类中心向量；预测阶段网络，用于结合特征向量提取阶段网络和类中心向量提取阶段网络的输出，对待预测的磨粒图像中的磨粒的类型进行预测。本发明结合轻量化神经网络和距离度量的优点，首先，能够对训练集中没有出现的磨粒类别进行分类，具有很强的泛化性能；其次，大大降低了网络的参数数量，提高了训练和测试速度。本发明提出的磨粒分类模型不仅能够对新的磨粒类别进行分类，且在识别速度和识别准确率上均有提升。
-
公开(公告)号：CN111428823A
公开(公告)日：2020-07-17
申请号：CN202010526027.X
申请日：2020-06-11
Applicant: 北京科技大学
Abstract: 本发明提供一种可以识别新类的磨粒分类模型与方法，该磨粒分类模型包括：特征向量提取阶段网络，用于提取磨粒图像的特征向量；类中心向量提取阶段网络，用于提取磨粒的类中心向量；预测阶段网络，用于结合特征向量提取阶段网络和类中心向量提取阶段网络的输出，对待预测的磨粒图像中的磨粒的类型进行预测。本发明结合轻量化神经网络和距离度量的优点，首先，能够对训练集中没有出现的磨粒类别进行分类，具有很强的泛化性能；其次，大大降低了网络的参数数量，提高了训练和测试速度。本发明提出的磨粒分类模型不仅能够对新的磨粒类别进行分类，且在识别速度和识别准确率上均有提升。
-
公开(公告)号：CN107908921A
公开(公告)日：2018-04-13
申请号：CN201711089422.0
申请日：2017-11-08
Applicant: 北京科技大学
IPC: G06F19/00
Abstract: 本发明提供一种模拟不同质相高聚物降解强度变化的方法，能够模拟得到高聚物材料在降解过程中弹性强度的变化趋势。所述方法包括：S1，将高聚物材料离散成元胞，并初始化当前反应时间t1；S2，确定参与剪切的分子链和距离确定的所述参与剪切的分子链进行链剪切反应的时间间隔Δt；S3，在t1+Δt时刻，所述参与剪切的分子链发生链剪切反应，更新元胞的状态，并根据更新后的元胞的状态，确定每个元胞的弹性强度，对所有元胞的弹性强度值取均值，得到所述高聚物材料整体的弹性强度；S4，执行t1＝t1+Δt，若t1小于预设的扩散时间步长，则返回执行S2，否则，链剪切反应产生的低聚物向高聚物材料外进行扩散。本发明涉及可降解高分子材料领域。
-
-
-
Search Results
4
records
(took 0.02 seconds)
