基于卷积神经网络的夹层玻璃开裂后拉伸性能快速评估方法

夹层玻璃开裂后的承载性能对持续风灾或爆炸时建筑玻璃结构安全性非常重要。玻璃裂纹形态作为开裂后性能的关键影响因素,对夹层玻璃的拉伸硬化效应和局部失效触发有着重要作用。对采用离子性中间层(SG)的钢化夹层玻璃进行碎裂试验及碎裂后单轴拉伸试验,获取图形和力学性能的试验数据集,并和精细有限元模型校核,确定裂纹形态对应的碎片密度、最小最近邻距离、有效粘结系数等关键参数。随后,建立由表面应力调控裂纹形态的夹层玻璃开裂后有限元模型批量化生成方法,基于维诺(Voronoi)形态近似来扩充模拟数据集。采用卷积神经网络方法,基于裂纹形态图像识别训练,得到具有良好精度的夹层玻璃开裂后等效拉伸性能快速评估方法。