机译:使用直接方法和人工神经网络的颗粒增强金属基质复合材料(PRMMC)的强度预测
Rhein Westfal TH Aachen Inst Mat Applicat Mechcm Engn Augustinerbach 4 D-52062 Aachen Germany;
Rhein Westfal TH Aachen Inst Mat Applicat Mechcm Engn Augustinerbach 4 D-52062 Aachen Germany;
Rhein Westfal TH Aachen Inst Mat Applicat Mechcm Engn Augustinerbach 4 D-52062 Aachen Germany;
Rhein Westfal TH Aachen Inst Mat Applicat Mechcm Engn Augustinerbach 4 D-52062 Aachen Germany;
Rhein Westfal TH Aachen Inst Gen Mech Templergraben 62 D-52062 Aachen Germany;
Beijing Tiaotong Univ Sch Mech Elect & Control Engn Beijing 100044 Peoples R China;
Particulate reinforced metal matrix composites (PRMMC); Direct methods (DM); Statistically equivalent representative volume elements (SERVE); Homogenization; Artificial neural network (ANN); WC-Co;
机译:直接法和人工神经网络预测颗粒增强金属基复合材料的强度
机译:尺寸和边界条件对颗粒增强金属基复合材料(PRMMCs)预测有效强度的影响
机译:基于贝叶斯统计的粘合剂硬化对颗粒状增强金属基复合材料有效强度的影响研究(PRMMC)
机译:增材制造制备的颗粒增强金属基纳米复合材料中不同强化作用的贡献
机译:人工神经网络通过中子衍射和有限元建模分析钨纤维/金属玻璃基复合材料的力学性能。
机译:颗粒增强金属基纳米复合材料屈服强度预测的统一模型
机译:利用人工神经网络预测ZRB2颗粒增强金属基复合材料中的硬度和电性能
机译:基于微观力学的缺口金属基复合材料强度预测方法