检索结果-内蒙古大学图书馆

力学学报 2025年第1期57卷 136-147页

作者：龚京风陈思成宣领宽李晨琦张跃武汉科技大学汽车与交通工程学院武汉430081 上海船舶设备研究所上海200031

复合材料结构力学性能的评估是机械工程领域迫切需要解决的关键问题.将材料应力应变数据与格点型有限体积法(cell-vertex finite volume method,CV-FVM)相结合形成数据驱动格点型有限体积法,用于解决复合材料本构建模复杂和成本高昂的难... 详细信息

复合材料结构力学性能的评估是机械工程领域迫切需要解决的关键问题.将材料应力应变数据与格点型有限体积法(cell-vertex finite volume method,CV-FVM)相结合形成数据驱动格点型有限体积法,用于解决复合材料本构建模复杂和成本高昂的难题.该方法将材料应力应变数据与格点型有限体积法相结合,利用交错网格技术,将应力-应变定义在单元内,位移和拉格朗日乘子定义于节点,围绕节点构建控制体,为每个单元分配应力应变数据,基于格点型有限体积法对每个控制体的几何方程和平衡方程进行离散和求解,最终通过满足守恒定律的点与材料数据库中的点的距离极值最小化以寻求出问题的最优解.采用C++语言开发数值求解程序,通过该程序分析均匀材料带孔方板和功能梯度材料复合拉压板力学性能,数值计算结果表明:所提出的方法对三角形网格、双线性四边形单元和混合网格适用性良好;数据库数据点数量、数据点间距以及常数矩阵取值对计算结果的影响与现有文献中有限单元法的结论吻合;在保持计算成本相近时,该方法计算结果的精度与有限单元法格式下的数据驱动算法结果精度接近,验证了该方法的有效性;最后通过功能梯度板的数值模拟计算,展示了该方法具备对复合材料的力学行为进行预测和模拟的能力.

关键词：数据驱动计算力学格点型有限体积法功能梯度材料

来源：评论

学校读者我要写书评

暂无评论

求解结构动力响应的距离最小化数据驱动法

引用

固体力学学报 2025年第2期 275-285页

作者：董标徐国林盛冬发西南林业大学土木工程学院

距离最小化数据驱动法作为计算力学的新范式，在预测结构响应方面优势显著.该方法直接输入离散的材料数据集(一组应力-应变对),绕开了传统经验本构建模，通过定义解集到材料数据集的距离泛函，并从材料数据集中搜索满足应变-位移关系和... 详细信息

距离最小化数据驱动法作为计算力学的新范式，在预测结构响应方面优势显著.该方法直接输入离散的材料数据集(一组应力-应变对),绕开了传统经验本构建模，通过定义解集到材料数据集的距离泛函，并从材料数据集中搜索满足应变-位移关系和平衡方程的泛函极值，实现边值问题求解.距离最小化数据驱动法在无阻尼振动分析中已取得成功，但还不能用于求解有阻尼振动问题.本研究采用含阻尼项的结构动力平衡方程作为距离泛函的约束条件，使用上时刻的终值作为当前时刻的初值代替随机初值方案，提出一种求解结构动力响应的距离最小化数据驱动法.以单自由度体系和多自由度桁架为例，通过线性和非线性弹性材料动力响应分析，验证了本文方法的准确性和高效性.

关键词：数据驱动计算力学非线性动力学力学变分法泛函极值离散本构

来源：评论

学校读者我要写书评

暂无评论

聚类分析-神经网络-贝叶斯优化联合识别复合材料参数研究

引用

力学学报 2024年第11期56卷 3333-3350页

作者：冯易鑫彭辉罗威三峡大学湖北省水电工程施工与管理重点实验室湖北宜昌443002 三峡大学水利与环境学院工程力学系湖北宜昌443002

目前针对非均质复合材料参数的正逆向识别尚面临正向计算成本高和逆向识别泛用性低的难题.数据驱动的计算均匀化方法可以一方面利用数据科学的先进算法降低控制方程的变量数目,另一方面建立复合材料设计结构与等效参数的联系,从而显著... 详细信息

目前针对非均质复合材料参数的正逆向识别尚面临正向计算成本高和逆向识别泛用性低的难题.数据驱动的计算均匀化方法可以一方面利用数据科学的先进算法降低控制方程的变量数目,另一方面建立复合材料设计结构与等效参数的联系,从而显著提升计算效率并挖掘参数间的内在关联.文章采用数据驱动的聚类分析方法(self-consistent clustering analysis,SCA),依据各网格点的应变集中张量进行聚类划分,并在聚类区域上求解离散的Lippmann-Schwinger方程,在极大程度降低计算自由度的同时,高效获取等效模量、热膨胀系数、热导率等参数.然而SCA法在处理大量不同结构工况时效率略显不足,进一步利用人工神经网络方法(artificial neural network,ANN)作为代理模型加速计算,实现不同工况下等效参数的快速预测.针对于逆向识别非均质材料和结构的反问题,则结合贝叶斯优化(Bayesian optimization)方法,在给定的等效参数下反向识别最优化的材料和几何结构,形成聚类分析-神经网络-贝叶斯优化的联合识别框架.以超导EAS股线和颗粒增强复合材料为例,进行联合识别框架与已有实验和数值结果的对比分析,继而从计算精度、求解效率、模型超参数选取、敏感度分析和反向验证等方面进行深入研究,探讨建立的聚类分析-神经网络-贝叶斯优化框架的优势和不足,以期为发展精度较高和适用范围较广的复合材料参数识别方法提供思路和参考.

关键词：数据驱动计算力学计算均匀化聚类分析神经网络贝叶斯优化

来源：评论

学校读者我要写书评

暂无评论

两类数据驱动计算均匀化方法对比研究

引用

力学学报 2024年第7期56卷 1931-1942页

作者：白晓伟赵鲁阳李亮罗利龙阳杰胡衡武汉大学土木建筑工程学院武汉430072 中国飞机强度研究所强度与结构完整性全国重点实验室西安710065 宁夏大学数学统计学院银川750021

目前针对非均质材料与结构的多尺度仿真尚面临本构建模复杂和多尺度计算成本高的难题.数据驱动计算均匀化方法一方面通过数据科学的手段降低与本构模型相关的人力和时间成本,另一方面将耗时的细观问题计算移至线下进行,从而显著提升非... 详细信息

目前针对非均质材料与结构的多尺度仿真尚面临本构建模复杂和多尺度计算成本高的难题.数据驱动计算均匀化方法一方面通过数据科学的手段降低与本构模型相关的人力和时间成本,另一方面将耗时的细观问题计算移至线下进行,从而显著提升非均质材料与结构的在线计算效率.该方法按控制方程的来源可大致分为两类:第一类是基于能量泛函的数据驱动算法,旨在通过人工智能手段高效地获取材料本构关系,继而在经典计算力学框架下通过能量极值求解问题;第二类是基于距离泛函的数据驱动算法,其绕开材料本构建模过程,直接利用本构数据中的点与满足守恒方程的点的距离极值寻求问题的解.文章简要回顾两类数据驱动计算均匀化方法的求解思路,以纤维增强复合材料结构为例,分别从定性和定量的角度分析样本数据量对两类算法计算效率和精度的影响,继而从算法实现、计算精度、计算效率和后处理等方面进行对比分析,探讨两者在求解多尺度问题时的优势与不足,以期为发展高效的非均质材料结构分析技术提供参考.

关键词：数据驱动计算力学计算均匀化非均质材料与结构

来源：评论

学校读者我要写书评

暂无评论

数据驱动的超弹性建模方法研究

数据驱动的超弹性建模方法研究

引用

作者：陈杰大连理工大学

学位级别：硕士

准确地预测橡胶类材料在任意变形模式下的力学响应一直是本构关系研究的前沿问题。为了描述橡胶类材料表现出的高度非线性力学行为、基本上完全可恢复性和近似不可压缩性,通常假定应变能函数的存在,再通过实验中的观察和现象学方法或者... 详细信息

准确地预测橡胶类材料在任意变形模式下的力学响应一直是本构关系研究的前沿问题。为了描述橡胶类材料表现出的高度非线性力学行为、基本上完全可恢复性和近似不可压缩性,通常假定应变能函数的存在,再通过实验中的观察和现象学方法或者统计学方法确定应变能函数的解析形式从而构建超弹性本构模型。尽管文献中已经存在大量的本构模型,但是这些模型往往处于一个两难的境地,减少材料参数会降低模型的预测能力,而增加材料参数则让模型变得过于复杂。近年来,为了摆脱传统本构模型对经验事实的依赖和其材料参数取值的随意性,一种直接利用实验数据解决边值问题的全新计算范式“数据驱动计算力学”被提出。本论文在测试了几种经典本构模型在真实实验中的表现之后,提出了一种用于超弹性材料边值问题分析的数据驱动方法——直接利用单轴和等双轴拉伸的实验数据,避免构造应变能函数的解析形式。将原始的实验数据重构为新的数据形式,结合数据搜索技术该方法能够高效地完成有限元分析中的应力更新。不同于传统本构方法,该方法没有预先将材料假设为完全不可压缩,因此适用于可压缩和近似不可压缩材料。使用参考模型进行数值实验生成了所需的数据,设计了不同变形模式和复杂度的算例来测试该方法的预测能力,结果表明该方法在整体或单元水平上都能与参考模型保持一致。进一步地,利用Treloar和Kawabata在橡胶上的经典实验数据来测试该方法在真实实验中的预测能力,结果表明该方法在缺少一个先验量的情况下,仍能够准确地预测Treloar实验结果和Kawabata实验中的一部分结果。该方法为准确地预测非线性弹性材料在任意变形模式下的力学响应提供了新的路径。

关键词：数据驱动计算力学超弹性材料行为有限元分析单轴拉伸和等双轴拉伸

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：