数据集概述
该数据集包含三个基于深度神经网络（DNN）的有效应力测定元模型及对应训练数据，用于预测缺口扁棒的有效应力。元模型基于临界距离理论（TCD），输出点法（PM）、线法（LM）和面积法（AM）结果，训练数据来自有限元分析（FEA）的参数化研究，可替代FEA简化缺口失效评估。
文件详解
- 文件类型：所有文件均为MATLAB数据格式（.mat），共6个文件
- 元模型文件：
- DNN_trained_firstprincipal.mat：基于第一主应力预测有效应力的训练后DNN模型
- DNN_trained_vonMises_planestrain.mat：基于平面应变下冯·米塞斯应力预测有效应力的训练后DNN模型
- DNN_trained_vonMises_planestress.mat：基于平面应力下冯·米塞斯应力预测有效应力的训练后DNN模型
- 训练数据集文件：
- Dataset_first-principal.mat：第一主应力对应的训练数据集
- Dataset_vonMises_planestrain.mat：平面应变下冯·米塞斯应力对应的训练数据集
- Dataset_vonMises_planestress.mat：平面应力下冯·米塞斯应力对应的训练数据集
适用场景
- 机械工程分析：简化缺口扁棒有效应力计算，替代有限元分析（FEA）
- 材料失效研究：基于临界距离理论（TCD）快速评估缺口失效风险
- 深度学习应用：验证DNN元模型在工程应力预测中的性能
- 工程设计优化：快速迭代不同缺口几何参数下的应力评估，支持设计改进
