人工智人-家居设计-钢丝绳断丝损伤的智能化检测技术研究.pdf

ABAQUS VUMAT子程序，可用于复合材料冲击损伤分析。

本文报道新结构的三段混合式模截止强度调制器能够耦合入较高光功率,出现了可观测的光损伤现象。在设计由Ti扩散波导构成的导波器件时,不仅需要考虑器件的电特性,也要考虑器件传输光功率的能力。

人工智能-基于BP神经网络的空间索杆结构损伤识别研究.pdf

E-Model中Ie-eff损伤相关参数的获取方法，王欣，别红霞，E-Model是一种基于参数的VoIP系统传输质量测量模型，模型中基于丢包的有效设备损伤（Ie-eff）可以评价丢包现象对话音传输质量的影响。�

飞机结构的三维损伤容限耐久性预测设计与虚拟试验技术-飞机.docx

HoloWAN meme是由迈思源信息技术有限公司研发的一款网络损伤软件。它可以模拟广域网络中的带宽限制、时延、时延抖动、丢包，性能达到百兆。 HoloWAN meme 使用 web GUI 进行控制，可以将损伤状态以及链路通过的流量速率实时展现给用户。是一款功能强大的网络损伤设备。

针对目前输送带损伤检测方法缺乏对输送带撕裂以外其他损伤类型研究的问题，提出一种基于深度学习的矿用输送带损伤检测方法，通过Yolov4tiny目标检测网络对输送带损伤类型进行分类。Yolov4-tiny目标检测网络以CSPDarknet53-tiny作为主干特征提取网络，借鉴Resnet残差思想，使用残差块防止深层网络中高层语义特征丢失，同时采用特征金字塔网络实现高低层语义信息融合，达到提高检测精度的目的；将CSPDarknet53-tiny中的2个有效特征层输入预测网络Yolo Head，通过得分排序和非极大值抑制算法对预测框进行筛选，从而预测输送带损伤类型。实验结果表明，Yolov4〖HT5,6”〗-〖HT5〗tiny目标检测网络在输送带损伤数据集上对表面划伤、撕裂、表面破损和击穿4种损伤类型检测的平均精度分别为9936%，9485%，8930%，8676%，平均精度均值达9257%；与Faster-RCNN，RFBnet，M2det，SSD，Yolov3，EfficientDet和Yolov4目标检测网络相比，Yolov4-tiny目标检测网络在数据集上取得了最快的检测

具有多个非光滑屈服面的离散损伤模型的实现及其在工程问题中的应用 UMAT_DDM_3D_CPP.for/UMAT_DDM_2D_CPP.for -> Abaqus UMAT 实现离散损伤模型，使用最近点投影算法处理 3 个维度/平面应变情况

基于 Unger 论文 [1,2] 的损伤塑性模型，其中塑性与损伤行为分开计算，压缩时没有硬化。 函数 [Material_State2,D]=Damage_Plasticity_Model(Material,Material_State,e) 输入： -------- 材料：包含材料属性 Material.E（弹性模量）、Material.v（泊松比）、Material.f_t（拉伸强度）、Material.g_f（归一化断裂能）、Material.f_c（单轴抗压强度）和材料.f_c2（双轴抗压强度） Material_State：包含先前增量或迭代的材料状态变量的历史变量。 它包括 Material_State.s（应力向量）、Material_State.e（应变向量）和 Material_State.s_eff（有效应力）、Material.k_RK（兰金塑性乘数）、Ma