这是一种分析方法,其中,沿船舶长度方向切开的每个横截面都计算船舶移动时周围流体作用于船舶的流体力,然后将每个横截面的流体力在纵向上积分,以确定作用于整个船舶的流体力。
申请人如需确认其申请结果,请参考以下内容。只有被选中的申请人才会收到联系和通知。(外部(非基础)申请人除外,他们收到
申请人如需确认其申请结果,请参考以下内容。只有被选中的申请人才会收到联系和通知。(外部(非基础)申请人除外,他们收到
混凝土是最常见的建筑材料。混凝土类型丰富,配方取决于特定用途。混凝土的微观结构通常是强烈的异质性,具有水泥,细和粗骨料,充满空气的毛孔和各种增援。混凝土的计算模型通常会大大降低以确保安全性。更精确的模型可以从材料和CO 2排放方面巨大节省。通过3D计算机断层扫描(CT)观察到的原位机械测试,特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。 大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。 分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。 因此,最近比较了裂纹分割的算法[1],扩展到多尺度裂纹[2,3],适用于纤维增强的混凝土[4,5],甚至是新发明的[6,7]。 对于方法的公平定量比较以及机器学习模型的培训和开发,基于合成裂纹结构的半合成CT图像[8-10]至关重要。 首先,裂纹是作为分数布朗动作的实现[11]。 后来,由于其多功能性,首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。 在[13,14]中研究了裂纹与混凝土微观结构之间的相互作用。通过3D计算机断层扫描(CT)观察到的原位机械测试,特别是观察到3D的裂纹起始和生长可以帮助改善这些模型。大规模的CT系统gulliver专用于研究分别为6 m和1 m的现实大型混凝土束和宽度的疲劳动力学。分析在原位弯曲测试中生成的图像数据需要特别可靠的检测和正确分割薄裂纹。因此,最近比较了裂纹分割的算法[1],扩展到多尺度裂纹[2,3],适用于纤维增强的混凝土[4,5],甚至是新发明的[6,7]。对于方法的公平定量比较以及机器学习模型的培训和开发,基于合成裂纹结构的半合成CT图像[8-10]至关重要。首先,裂纹是作为分数布朗动作的实现[11]。后来,由于其多功能性,首选由随机伏罗尼叶镶嵌物的小平面形成的最小表面[8]。在[13,14]中研究了裂纹与混凝土微观结构之间的相互作用。这些合成的裂纹结构可以模仿多种裂纹形态,包括局部厚度分布和分支,并具有几个程度的表面粗糙度,因为[12]很好地证明了。到目前为止,合成裂纹并未与将CT图像用作背景的混凝土的微观结构相互作用。特别是,将裂缝分类为周围的混凝土组件。这是通过两步过程实现的。首先,通过模板匹配对裂纹结构进行了分割。然后,根据模板的方向上的灰色值对裂纹进行分类。在这里,我们提出了一种依赖于分割裂纹和聚集体的方法。然后将裂纹分配给两个可能的类别之一:经晶(通过聚集体)或晶间(聚集体之间)。然后,经晶裂纹体素的相对数量产生了一个度量,以量化裂纹行为的差异。在这里,我们研究了相同组成的难治性混凝土样品,但在不同温度下被后加工(烧结)。在压缩应力下扫描样品。他们清楚地表明,裂缝确实与混凝土的微观结构相互作用,请参见图1。裂纹可能沿聚集体,通过它们或通过周围的水泥矩阵传播。在失败之前,分析载荷步骤的经晶和晶间体素的分数进一步量化了烧结温度的影响。我们在两个圆柱形耐火混凝土样品的示例中演示了这一分析,分别在1.000°C和1.600°C下烧结。最近,我们为裂纹结构设计了一种多功能几何模型[8,9],用于方法验证和比较以及机器学习方法的训练 - 由随机Voronoi Tessellation的相位形成的最小表面。最小表面计算的优化方法的改进版本可实现多标准优化[17]。在这里,我们利用了这种新的可能性来生成合成裂纹结构,该结构避免了聚集体或通过图1中的真实混凝土样品中观察到的。
非晶态固体材料因其离子电导率、稳定性和可加工性等优良特性,在储能领域引起了越来越多的关注。然而,与块体晶体材料相比,密度泛函理论 (DFT) 计算的规模限制和实验方法的分辨率限制阻碍了对这些高度复杂亚稳态系统的基本理解。为了填补知识空白并指导非晶态电池材料和界面的合理设计,我们提出了一个基于机器学习的原子间势的分子动力学 (MD) 框架,该框架经过动态训练,以研究非晶态固体电解质 Li 3 PS 4 及其保护涂层非晶态 Li 3 B 11 O 18 。使用机器学习势使我们能够在 DFT 无法访问的时间和长度尺度上模拟材料,同时保持接近 DFT 水平的精度。这种方法使我们能够计算非晶化能、非晶-非晶界面能以及界面对锂离子电导率的影响。这项研究证明了主动学习的原子间势在将从头算建模的应用扩展到更复杂和现实的系统(例如非晶材料和界面)方面的良好作用。