期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
数字试验测试验证标准体系
被引量：
1
1
作者
陶飞
马昕
+31 位作者
张辰源
易航
刘蔚然
魏宇鹏
邹孝付
王子同
任羿
陶岚
葛军
丁露
卓兰
韩丽
弓志强
谭永华
郄永军
周文
李建双
杨春霞
许鸿杰
蔺文杰
刘广
孙波
李海旭
阎德劲
李少伟
罗谦
王敬贤
罗英
尚政国
刘志新
易贤
张文丰
《计算机集成制造系统》
北大核心
2025年第1期1-19,共19页
数字试验测试验证(Digital Experiment,Testing,and Validation,D-ETV)是利用“数力”和“智力”更好地了解产品或系统基本属性和性能特征的方法,是实现高质高效研制运维的重要支撑手段。然而,在物理试验测试验证(Physical Experiment,T...
数字试验测试验证(Digital Experiment,Testing,and Validation,D-ETV)是利用“数力”和“智力”更好地了解产品或系统基本属性和性能特征的方法,是实现高质高效研制运维的重要支撑手段。然而,在物理试验测试验证(Physical Experiment,Testing,and Validation,P-ETV)向D-ETV演化的过程中,因缺乏基础共性标准参考,导致不同人员对D-ETV的理解与认识存在差异;因缺乏关键技术标准参考,导致D-ETV实现难;因缺乏通用支撑、安全、行业应用等标准参考,导致D-ETV实施难。针对上述问题,首先从D-ETV有何用、如何用、何处用3个角度对D-ETV标准需求进行分析。在作者团队前期提出的D-ETV通用流程“D”模型及关键技术基础上,进一步建立并完善“析-定-建-测-评-融”D-ETV理论体系。面向航空航天、工程机械、船舶、电子信息、汽车等领域的国家重大需求,与相关研究院所和企业共同尝试探索建立一套D-ETV标准体系,包括基础共性、关键技术、通用支撑、安全和行业应用5类标准。期望相关工作为D-ETV理论研究、标准研制、行业应用提供参考,助力我国试验测试验证向数字化、智能化、服务化方向发展,进而为我国装备高质量发展提供支撑。
展开更多
关键词
数字试验测试验证
标准体系
数字试验
数字测试
数字验证
数字鉴定
在线阅读
下载PDF
职称材料
面向AI时代的纤维增强树脂基复合材料工艺仿真
2
作者
周钰博
李敏
+4 位作者
王绍凯
顾轶卓
陶飞
陈祥宝
张佐光
《航空材料学报》
CAS
CSCD
北大核心
2024年第5期17-36,共20页
纤维增强树脂基复合材料制造工艺是保证其产品结构效率和应用可靠性的关键,通过计算机进行工艺仿真是提高复合材料制造质量与降低制造成本的重要手段。传统工艺仿真依赖于制造过程中的物理化学机理,通过有限元/有限体积等数值计算方法,...
纤维增强树脂基复合材料制造工艺是保证其产品结构效率和应用可靠性的关键,通过计算机进行工艺仿真是提高复合材料制造质量与降低制造成本的重要手段。传统工艺仿真依赖于制造过程中的物理化学机理,通过有限元/有限体积等数值计算方法,以及计算机图形学等辅助设计方法来求解相关机理模型的数学方程,目前已在增强体/预浸料的铺覆、树脂的渗透流动、热固性树脂的固化行为、热传导与热交换、非线性力学及残余应力与固化变形预测等方面得到广泛应用。近年来,人工智能(AI)的迅猛发展,其技术基础机器学习(ML)与人工神经网络(ANN)相结合,已用于增强体铺覆、液体成型工艺和热压罐工艺领域,主要目的是数据挖掘和建立降阶模型。前者可以建立工艺条件与制件固化质量、力学性能等之间的关系,后者则可以提高工艺仿真的计算效率。然而受限于纤维增强树脂基复合材料制造过程复杂、不可测、成本高的特点,在AI时代的起点,仅依赖实验获得的数据量难以满足ML的要求,同时数据驱动AI还面临模型代表性、普适性、可解释性不确定的问题。因此,基于物理化学机理的传统工艺仿真可为数据驱动ML仿真提供大量可靠数据,进而通过AI建立更多描述复合材料工艺的定量模型,扩展工艺仿真可计算的过程;同时,通过AI技术提高计算效率后,满足实时性要求的工艺仿真可进化为制造过程的数字孪生(DT),从而可为复合材料降低成本、提高全寿命周期管理的科学性提供新的技术支撑。
展开更多
关键词
复合材料
工艺仿真
人工智能
机器学习
固化仿真
固化变形
在线阅读
下载PDF
职称材料
题名
数字试验测试验证标准体系
被引量：
1
1
作者
陶飞
马昕
张辰源
易航
刘蔚然
魏宇鹏
邹孝付
王子同
任羿
陶岚
葛军
丁露
卓兰
韩丽
弓志强
谭永华
郄永军
周文
李建双
杨春霞
许鸿杰
蔺文杰
刘广
孙波
李海旭
阎德劲
李少伟
罗谦
王敬贤
罗英
尚政国
刘志新
易贤
张文丰
机构
北京航空航天大学国际前沿交叉科学研究院数字孪生国际研究中心
北京航空航天大学
自动化
科学
与电气工程学院
北京
航天
万源科技有限公司
北京航空航天大学
人工智能学院
北京航空航天大学
可靠性与系统工程学院
中国
航空
综合技术
研究
所
北京
无线电计量测试
研究
所
机械工业仪器仪表综合技术经济
研究
所
中国电子技术标准化
研究院
北京
瑞风协同科技股份有限公司
航天
推进技术
研究院
三一重工股份有限公司
中国
航空
油料集团有限公司
中国计量
科学
研究院
中国商飞民用飞机试飞
中心
航空
工业信息技术
中心
中国船舶集团有限公司系统工程
研究院
北京
空间飞行器总体设计部
中国电子科技集团公司第十
研究
所
中国
航天
科工集团磁悬浮与电磁推进技术总体部
中国民用
航空
局第二
研究
所
中国
航天
标准化与产品保证
研究院
中国核动力
研究
设计院核反应堆技术全国重点实验室
北京
遥感设备
研究
所
中国汽车技术
研究
中心
有限公司
中国空气动力
研究
与发展
中心
上海宇航系统工程
研究
所
出处
《计算机集成制造系统》
北大核心
2025年第1期1-19,共19页
基金
北京市自然科学基金资助项目(24JL002)
北京市卓越青年科学家计划资助项目
科学探索奖资助项目。
文摘
数字试验测试验证(Digital Experiment,Testing,and Validation,D-ETV)是利用“数力”和“智力”更好地了解产品或系统基本属性和性能特征的方法,是实现高质高效研制运维的重要支撑手段。然而,在物理试验测试验证(Physical Experiment,Testing,and Validation,P-ETV)向D-ETV演化的过程中,因缺乏基础共性标准参考,导致不同人员对D-ETV的理解与认识存在差异;因缺乏关键技术标准参考,导致D-ETV实现难;因缺乏通用支撑、安全、行业应用等标准参考,导致D-ETV实施难。针对上述问题,首先从D-ETV有何用、如何用、何处用3个角度对D-ETV标准需求进行分析。在作者团队前期提出的D-ETV通用流程“D”模型及关键技术基础上,进一步建立并完善“析-定-建-测-评-融”D-ETV理论体系。面向航空航天、工程机械、船舶、电子信息、汽车等领域的国家重大需求,与相关研究院所和企业共同尝试探索建立一套D-ETV标准体系,包括基础共性、关键技术、通用支撑、安全和行业应用5类标准。期望相关工作为D-ETV理论研究、标准研制、行业应用提供参考,助力我国试验测试验证向数字化、智能化、服务化方向发展,进而为我国装备高质量发展提供支撑。
关键词
数字试验测试验证
标准体系
数字试验
数字测试
数字验证
数字鉴定
Keywords
digital experiment,testing,and validation
standard system
digital experiment
digital testing
digital validation
digital authentication
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
面向AI时代的纤维增强树脂基复合材料工艺仿真
2
作者
周钰博
李敏
王绍凯
顾轶卓
陶飞
陈祥宝
张佐光
机构
北京航空航天大学国际前沿交叉科学研究院数字孪生国际研究中心
北京航空航天大学
材料
科学
与工程学院
中国航发
北京
航空
材料
研究院
出处
《航空材料学报》
CAS
CSCD
北大核心
2024年第5期17-36,共20页
文摘
纤维增强树脂基复合材料制造工艺是保证其产品结构效率和应用可靠性的关键,通过计算机进行工艺仿真是提高复合材料制造质量与降低制造成本的重要手段。传统工艺仿真依赖于制造过程中的物理化学机理,通过有限元/有限体积等数值计算方法,以及计算机图形学等辅助设计方法来求解相关机理模型的数学方程,目前已在增强体/预浸料的铺覆、树脂的渗透流动、热固性树脂的固化行为、热传导与热交换、非线性力学及残余应力与固化变形预测等方面得到广泛应用。近年来,人工智能(AI)的迅猛发展,其技术基础机器学习(ML)与人工神经网络(ANN)相结合,已用于增强体铺覆、液体成型工艺和热压罐工艺领域,主要目的是数据挖掘和建立降阶模型。前者可以建立工艺条件与制件固化质量、力学性能等之间的关系,后者则可以提高工艺仿真的计算效率。然而受限于纤维增强树脂基复合材料制造过程复杂、不可测、成本高的特点,在AI时代的起点,仅依赖实验获得的数据量难以满足ML的要求,同时数据驱动AI还面临模型代表性、普适性、可解释性不确定的问题。因此,基于物理化学机理的传统工艺仿真可为数据驱动ML仿真提供大量可靠数据,进而通过AI建立更多描述复合材料工艺的定量模型,扩展工艺仿真可计算的过程;同时,通过AI技术提高计算效率后,满足实时性要求的工艺仿真可进化为制造过程的数字孪生(DT),从而可为复合材料降低成本、提高全寿命周期管理的科学性提供新的技术支撑。
关键词
复合材料
工艺仿真
人工智能
机器学习
固化仿真
固化变形
Keywords
composites
process simulations
artificial intelligence(AI)
machine learning(ML)
curing simulations
processinduced deformation
分类号
V258 [一般工业技术—材料科学与工程]
TB332 [一般工业技术—材料科学与工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
数字试验测试验证标准体系
陶飞
马昕
张辰源
易航
刘蔚然
魏宇鹏
邹孝付
王子同
任羿
陶岚
葛军
丁露
卓兰
韩丽
弓志强
谭永华
郄永军
周文
李建双
杨春霞
许鸿杰
蔺文杰
刘广
孙波
李海旭
阎德劲
李少伟
罗谦
王敬贤
罗英
尚政国
刘志新
易贤
张文丰
《计算机集成制造系统》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
面向AI时代的纤维增强树脂基复合材料工艺仿真
周钰博
李敏
王绍凯
顾轶卓
陶飞
陈祥宝
张佐光
《航空材料学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
