基于深度学习的多孔材料渗透率预测研究进展

TP183; 渗透率作为描述多孔材料流动性能的重要指标,在机械、能源等领域有着广泛的应用.经验关系式作为传统的多孔材料渗透率预测方法,往往通过实验统计法建立,在通用性、预测精度方面存在不足.近年来,基于深度学习构建渗透率预测模型的方法受到了众多学者的关注,在解决经验关系式存在的不足方面表现出很好的前景.为此,围绕基于深度学习的多孔材料渗透率预测建模方法,首先阐述了深度学习技术在结构模型重构中的应用及发展趋势,然后综述了结构参数-渗透率、图像-渗透率以及图像-流场-渗透率快速预测建模方法的基本原理和研究进展,最后展望了该领域的研究方向,以及对多孔材料制造系统性能提升方面的前景....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 30; no. 3; pp. 791 - 810
Main Authors 钱淼, 周骥, 向忠, 王嘉琦, 魏鹏郦, 李俊
Format Journal Article
LanguageChinese
Published 浙江理工大学浙江省现代纺织装备技术重点实验室,浙江 杭州 310018 31.03.2024
Subjects
渗透率
porous material
deep learning
prediction model
model reconstruction
深度学习
多孔材料
permeability
模型重构
预测模型
Online AccessGet full text

Cover

More Information
Summary:TP183; 渗透率作为描述多孔材料流动性能的重要指标,在机械、能源等领域有着广泛的应用.经验关系式作为传统的多孔材料渗透率预测方法,往往通过实验统计法建立,在通用性、预测精度方面存在不足.近年来,基于深度学习构建渗透率预测模型的方法受到了众多学者的关注,在解决经验关系式存在的不足方面表现出很好的前景.为此,围绕基于深度学习的多孔材料渗透率预测建模方法,首先阐述了深度学习技术在结构模型重构中的应用及发展趋势,然后综述了结构参数-渗透率、图像-渗透率以及图像-流场-渗透率快速预测建模方法的基本原理和研究进展,最后展望了该领域的研究方向,以及对多孔材料制造系统性能提升方面的前景.
ISSN:1006-5911
DOI:10.13196/j.cims.2023.0091