📚 网上馆配 · 在线荐购平台

内容简介：载运工具关键结构的强度充分与运行状态良好，是保证载运工具安全服役的基本要求。德国ICE高铁脱轨事故、法国凡尔赛铁路事故、美国飞机发动机故障事故、英国飞机平尾大轴断裂事故等，都是由于高铁或飞机上的关键零部件出现变形或疲劳断裂而产生，这些事故为人们敲响了警钟。轨道交通、航空航天、土木工程等工业领域对高性能材料与结构的先进制造与安全评估提出了更严峻的挑战，传统计算力学已很难实现成倍缩短产品研发周期、实时跟踪产品信息并提供解决方案的目标。因此，载运工具研发设计发展要面向高性能材料与结构的机器学习，这是正当其时且刻不容缓的。 与此同时，计算机技术的飞速发展促进了载运工具关键零部件疲劳分析技术的发展和应用，以数字孪生、人工智能为核心的大数据理念正深刻影响着第四次工业革命，机理牵引、数据驱动的机器学习在此背景下应运而生并展现勃勃生机。目前，利用普通的台式计算机即可完成包含裂纹的结构构件的三维复杂有限元分析；并且，基于数据分析的机器学习和人工智能也已经用于构件断裂力学问题的分析中。 本书通过梳理机器学习的研究现状和核心算法，探讨机器学习在轨道交通、航空航天等载运工具关键零部件上材料多尺度塑性力学、材料疲劳与断裂以及结构工程中的应用。