@第{CiCP-34-392条，author={何、芮翠、俊志扬、张子豪、杰琼和关小飞}，title={从稀疏实验数据学习多尺度超弹性本构定律的不变量表示}，journal={计算物理中的通信}，年份={2023}，体积={34}，数字={2}，页数={392--417}，抽象={由于异质超弹性材料的微观结构复杂多变，其本构建模仍然是一个挑战。我们提出了一种多尺度数据驱动的方法，采用分层学习策略来发现泛型非均匀超弹性的物理约束各向异性本构模型材料。基于稀疏的多尺度实验数据含复合界面超弹性组分相的神经网络通过粒子群优化算法建立。微观有限元引入单元耦合本构人工神经网络求解器，得到不同微观结构异质材料的均匀应力-应变关系。通过训练一个神经网络通过有限元结果。此外，通用不变表示提出了应变能函数（SEF），并用人工神经网络（SANN）隐式表示参数集，描述了具有不同微观结构的非均质材料的超弹性特性。凸性约束在SEF上施加，以确保多尺度本构模型在物理上是相关的，并将$У_1$正则化与阈值化相结合引入损失SANN的功能来提高此模型的可解释性。最后，多尺度模型经过分层训练、交叉验证并使用实验数据进行测试不同微观结构的帘线-橡胶复合材料。该多尺度模型为非均质超弹性材料的本构建模提供了一种方便通用的方法。
},issn={1991-7120}，doi={https://doi.org/10.4208/cicp.OA-2023-0098},url={http://global-sci.org/intro/article_detail/cicp/21973.html}}
TY-JOUR公司稀疏实验数据中多尺度超弹性本构关系的T1-学习不变量表示AU-He、RuiAU-崔俊之AU-杨子豪AU-Zhang，洁琼AU-关，小飞JO-计算物理通信VL-2级SP-392EP-4172023年上半年DA-2023/09年序号-34做-http://doi.org/10.4208/cicp.OA-2023-0098UR-（欧元）https://global-sci.org/intro/article_detail/cicp/21973.htmlKW-非均质超弹性材料，数据驱动方法，多尺度，通用本构模型，物理约束。AB公司-由于异质超弹性材料的微观结构复杂多变，其本构建模仍然是一个挑战。我们提出了一种多尺度数据驱动的方法，采用分层学习策略来发现泛型非均匀超弹性的物理约束各向异性本构模型材料。基于稀疏的多尺度实验数据含复合界面超弹性组分相的神经网络都是通过粒子群优化算法建立的。微观有限元引入单元耦合本构人工神经网络求解器，得到不同微观结构异质材料的均匀应力-应变关系。通过训练一个神经网络通过有限元结果。此外，通用不变表示提出了应变能函数（SEF），并用人工神经网络（SANN）隐式表示参数集，描述了具有不同微观结构的非均质材料的超弹性特性。凸性约束在SEF上施加，以确保多尺度本构模型在物理上是相关的，并将$У_1$正则化与阈值化相结合引入损失SANN的功能来提高此模型的可解释性。最后，多尺度模型经过分层训练、交叉验证并使用实验数据进行测试具有不同微观结构的帘线橡胶复合材料。该多尺度模型为非均质超弹性材料的本构建模提供了一种方便通用的方法。
何睿、崔俊之、杨子豪、张洁琼和关晓飞。(2023). 从稀疏实验数据中学习多尺度超弹性本构关系的不变量表示。计算物理中的通信.34(2).392-417.doi:10.4208/cicp。行动计划-2023-0098
复制到剪贴板
