基于深度学习的多孔材料渗透率预测研究进展
来源：计算机集成制造系统杂志2024年第3期北京时间：
作者：钱淼, 周骥, 向忠, 王嘉琦, 魏鹏郦, 李俊
单位：浙江理工大学浙江省现代纺织装备技术重点实验室
摘要：渗透率作为描述多孔材料流动性能的重要指标,在机械、能源等领域有着广泛的应用。经验关系式作为传统的多孔材料渗透率预测方法,往往通过实验统计法建立,在通用性、预测精度方面存在不足。近年来,基于深度学习构建渗透率预测模型的方法受到了众多学者的关注,在解决经验关系式存在的不足方面表现出很好的前景。为此,围绕基于深度学习的多孔材料渗透率预测建模方法,首先阐述了深度学习技术在结构模型重构中的应用及发展趋势,然后综述了结构参数-渗透率、图像-渗透率以及图像-流场-渗透率快速预测建模方法的基本原理和研究进展,最后展望了该领域的研究方向,以及对多孔材料制造系统性能提升方面的前景。
关键词：深度学习,多孔材料,模型重构,渗透率,预测模型
基金资助：浙江省“尖兵”“领雁”研发攻关计划资助项目(2023C01158,2022C01188);浙江理工大学基本科研业务费专项资金资助项目(22242298-Y)。
