基于卷积神经网络的夹层玻璃开裂后拉伸性能快速评估方法研究.docx
基于卷积神经网络的夹层玻璃开裂后拉伸性能快速评估方法研究
目录
基于卷积神经网络的夹层玻璃开裂后拉伸性能快速评估方法研究（1）
内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景及意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
卷积神经网络理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
2.1神经网络基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
2.2卷积神经网络结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
2.3卷积神经网络在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．8
夹层玻璃开裂性能分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
3.1夹层玻璃结构特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
3.2开裂类型及原因分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
3.3开裂后的力学性能测试方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
基于卷积神经网络的拉伸性能评估模型构建．．．．．．．．．．．．．．．．．12
4.1数据集准备与处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
4.2模型架构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
4.3模型训练与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
拉伸性能评估方法实现及实验验证．．．．．．．．．．．．．．．．．．．．．．．．．16
5.1评估方法实现流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
5.2实验设置与数据收集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
5.3实验结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
结果与讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
6.1评估模型性能分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
6.2不同网络结构对结果的影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
6.3方法优缺点分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
7.1研究结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
7.2研究创新点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
7.3展望与未来工作方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
基于卷积神经网络的夹层玻璃开裂后拉伸性能快速评估方法研究（2）
一、内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
（一）夹层玻璃的重要性与需求挑战．．．．．．．．．．．．．．．．．．．．．．．．．．26
（二）卷积神经网络在材料性能评估中的应用前景．．．．．．．．．．．．．．27
（三）研究目标与意义阐述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
二、相关理论与技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
（一）夹层玻璃的基本性质及开裂后的力学性能．．．．．．．．．．．．．．．．29
（二）卷积神经网络的原理与结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
（三）深度学习在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．31
三、数据采集与处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
（一）实验设计与样本制备．．．．．．．．．．．．．．．．．．．．．．