×
文子明;李、余;王，胡;彭勇

基于随机依赖神经估计的不规则区域结构动力学数据驱动时空建模。 （英语） Zbl 07644876号

计算。方法应用。机械。工程师。 404，文章ID 115831，40 p.（2023）.
摘要：涉及材料、几何和接触非线性的时空过程的数值模拟对于许多评估应用来说可能在计算上是令人望而却步的。考虑到动态过程的强非线性，对大多数基于代理的模型来说，预测高维时空响应仍然具有挑战性。为了解决这些问题，提出了一种随机依赖神经估计器（SDNE）来构建从输入参数域到高维时空响应域的映射，揭示了高维回归估计与流形分布假设之间的潜在关系。此外，还集成了图神经网络（GNN）和时间卷积神经网络（TCN），以同时捕获不规则几何和时间序列的非线性特征。对两个涉及大变形和高度非线性瞬态的高速碰撞案例进行了研究，以验证该方法的有效性。与有限元（FE）评估相比，所提出的SDNE实现了高度准确的预测。为了进一步验证所提方法的实际应用，使用所提SDNE进行了多目标耐撞性优化。结果表明，所提出的SDNE为时空动力学提供了可靠的预测。

引用于1文件

理学硕士：

92年XX月 生物学和其他自然科学
74-XX岁 可变形固体力学

关键词：

数据驱动模型;时空动力学;深度学习;图形神经网络

软件：

达奇;MLMSRBF公司;f-甘氨酸
PDF格式BibTeX公司 XML格式引用
\textit{Z.Wen}等人，计算。方法应用。机械。Eng.404，文章ID 115831，40 p.（2023；Zbl 07644876）
全文： 内政部

参考文献：

[1] 马，J。；陈，G。；Ji，L。；钱，L。；Dong，S.，《建立复杂接触表面接触力模型的通用方法》，Mech。系统。信号处理。，140，第106678条pp.（2020）
[2] 李毅。；王，C。；黄伟，带多个转动间隙接头的平面刚-柔性耦合可展开太阳电池阵系统动力学分析，机械工程。系统。信号处理。，117, 188-209 (2019)
[3] 比亚巴纳基，S。；Khoei，A。；Wriggers，P.，非形式网格上接触碰撞问题的多边形有限元方法，计算。方法应用。机械。工程，269198-221（2014）·Zbl 1296.74105号
[4] 卡马乔，G.T。；Ortiz，M.，脆性材料冲击损伤的计算模型，国际固体结构杂志。，33, 2899-2938 (1996) ·Zbl 0929.74101号
[5] 本纳，P。；古吉丁，S。；Willcox，K.，参数动力系统基于投影的模型简化方法综述，SIAM Rev.，57，483-531（2015）·Zbl 1339.37089号
[6] 黄，C。；徐，J。；Duraisamy，K。；Merkle，C.L.，火箭燃烧应用降阶模型探索（2018）
[7] 吴先生。；卡门斯基，D。；王，C。；Herrema，A.J。；徐，F。；Pigazzini，M.S。；Verma，A。；Marsden，A.L。；Bazilevs，Y。；Hsu，M.-C.，利用浸入式地质分析和替代建模优化流体-结构相互作用系统：在液压制动装置中的应用，计算。方法应用。机械。工程，316668-693（2017）·Zbl 1439.74117号
[8] Drignei，D.，非结构化多输出计算机模型的快速克里金替代估计算法，计算。方法应用。机械。工程，321，35-45（2017）·Zbl 1439.62017号
[9] 桑德斯，C。；甘默曼，A。；Vovk，V.，双变量岭回归学习算法（1998）
[10] Wang，H。；李·G。；Li，E.，车辆耐撞性优化的基于时间的元模型技术，计算机。方法应用。机械。工程师，1992497-2509（2010）·Zbl 1231.74356号
[11] 瑞吉斯，R。；Shoemaker，C.，昂贵函数全局优化的随机径向基函数方法，INFORMS J.Compute。，19, 497-509 (2007) ·Zbl 1241.90192号
[12] 阿特金森，S。；Zabaras，N.，结构化贝叶斯-高斯过程潜在变量模型：数据驱动降维和高维反演的应用，J.Compute。物理。，383, 166-195 (2019) ·Zbl 1451.62095号
[13] J.伯杰。；Gasparin，S。；Chhay，M。；Mendes，N.，《使用适当的广义分解法估算与温度相关的导热系数以进行建筑能源管理》，J.Build。物理。，40, 235-262 (2016)
[14] 美国鲍尔。；比蒂，C。；本纳，P。；Gugercin，S.，参数化模型简化的插值投影方法，SIAM J.Sci。计算。，33, 2489-2518 (2011) ·Zbl 1254.93032号
[15] Sun，L。；高，H。；潘，S。；Wang，J.-X.，基于物理约束的无模拟数据深度学习的流体流动替代建模，计算。方法应用。机械。工程，361，第112732条pp.（2020）·Zbl 1442.76096号
[16] Manzoni，A。；博诺米，D。；Quarteroni，A.，《心脏电生理学和力学的降阶建模：新方法、挑战和展望》（心血管系统的数学和数值建模及应用（2018）），115-166
[17] Lassila，T。；Manzoni，A。；Quarteroni，A。；Rozza，G.，《流体动力学中的模型降阶：挑战和展望》，（建模和计算降阶的降阶方法（2014）），235-273·Zbl 1395.76058号
[18] 辛顿，G.E。；Salakhutdinov，R.R.，《用神经网络降低数据的维数》，《科学》，313504-507（2006）·Zbl 1226.68083号
[19] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习》，《自然》，521436-444（2015）
[20] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，通过反向传播错误学习表征，《自然》，323533-536（1986）·Zbl 1369.68284号
[21] 马，J。；Dong，S。；陈，G。；彭，P。；钱，L.，基于人工神经网络的数据驱动的复杂接触面法向接触力模型，机械。系统。信号处理。，156，第107612条pp.（2021）
[22] 王，C。；y.Xu，L。；s.Fan，J.，基于UA-Seq2Seq模型的历史相关反应预测通用深度学习框架，计算。方法应用。机械。工程，372，第113357条pp.（2020）·Zbl 1506.74072号
[23] Chung，I。；我，S。；Cho，M.，基于分子动力学模拟的超弹性神经网络本构模型，国际。J.数字。方法工程，122，5-24（2021）
[24] Yang，R。；王，S。；吴，X。；刘，T。；Liu，X.，使用轻量级卷积神经网络跟踪旋转体视频中的振动位移，机械。系统。信号处理。，177，第109137条，第（2022）页
[25] 斯托菲尔，M。；Gulakala，R。；Bamer，F。；Markert，B.，《结构动力学中的人工神经网络：一种新的模块化径向基函数方法与卷积和前馈拓扑》，计算。方法应用。机械。工程，364，第112989条pp.（2020）·Zbl 1442.74002号
[26] Chang，Z。；万，Z。；Xu，Y。；Schlangen，E。；Šavija，B.，用于预测3D打印混凝土中气-视频结构的裂缝模式和应力-裂缝宽度曲线的卷积神经网络，《工程分形》。机械。，271，第108624条pp.（2022）
[27] Sperduti，A。；Starita，A.，结构分类监督神经网络，IEEE Trans。神经网络。，8, 714-735 (1997)
[28] Man，J。；Dong，H。；杨，X。；孟，Z。；贾，L。；秦，Y。；Xin，G.，GCG：高速列车轴温预测的图卷积网络和门限递归单元法，机械。系统。信号处理。，163，第108102条pp.（2022）
[29] Kipf，T.N。；Welling，M.，图卷积网络半监督分类（2016），arXiv预印本arXiv:1609.02907
[30] 钟，J。；古尔塞，C。；Cho，K。；Bengio，Y.，门控递归神经网络对序列建模的实证评估（2014），arXiv预印本arXiv:1412.3555
[31] Sanchez-Gonzalez，A。；戈德温，J。；Pfaff，T。；Ying，R。；Leskovec，J。；Battaglia，P.，《学习用图形网络模拟复杂物理》，（机器学习国际会议（2020），PMLR），8459-8468
[32] 佩雷拉，R。；Guzzetti，D。；Agrawal，V.，用于模拟脆性材料中裂纹合并和扩展的图形神经网络，计算。方法应用。机械。工程，395，第115021条pp.（2022）·Zbl 1507.74410号
[33] Prachaseree，P。；Lejeune，E.，《利用消息传递神经网络学习机械驱动的紧急行为》，计算。结构。，270，第106825条pp.（2022）
[34] Whalen，E。；Mueller，C.，《走向可重用代理模型：桁架上基于图形的迁移学习》，J.Mech。设计。，144 (2021)
[35] 巴塔利亚，P.W。；哈姆里克·J·B。；巴普斯特，V。；Sanchez-Gonzalez，A。；赞巴尔迪，V。；马利诺夫斯基，M。；Tacchetti，A。；Raposo，D。；Santoro，A。；Faulkner，R.，关系归纳偏见、深度学习和图网络（2018），arXiv预印本arXiv:180601261
[36] Dwivedi，V.P。；乔希，C.K。；劳伦特，T。；Y.本吉奥。；Bresson，X.，Benchmarking graph neural networks（2020），arXiv预印本arXiv:2003.00982
[37] Gongora，A.E。；徐，B。；佩里，W。；奥科伊，C。；莱利，P。；Reyes，K.G。；摩根·E·F。；Brown，K.A.，机械设计贝叶斯实验自主研究员，科学。高级，6（2020）
[38] Fang，X.，用于高速拉伸试样无振荡测力的分析设计和优化的一维应力波模型，国际冲击工程杂志，149，第103770页，（2021）
[39] 马云（Ma，Y.）。；宋，X。；贾，Q。；Zhao，Y。；Lu，S.，梁结构的等几何间距尺寸优化，计算。方法应用。机械。工程，395，第115003条pp.（2022）·Zbl 1507.74539号
[40] 余，P。；王，C。；Hou，L。；Chen，G.，具有轴间摩擦冲击的航空发动机双转子系统的动态特性，机械。系统。信号处理。，166，第108475条pp.（2022）
[41] De Borst，R。；医学硕士克里斯菲尔德。；雷默斯，J.J。；Verhoosel，C.V.，《固体和结构的非线性有限元分析》（2012），John Wiley&Sons·兹比尔1300.74002
[42] Wriggers，P。；Laursen，T.A.，计算接触力学（2006），Springer·Zbl 1104.74002号
[43] Cheng，M。；方，F。；疼痛，C。；Navon，I.，一种用于参数化非线性流体流动建模的先进混合深对抗自动编码器，计算。方法应用。机械。工程，372，第113375条pp.（2020）
[44] 徐，J。；Duraisamy，K.，时空动力学参数预测的多级卷积自动编码器网络，计算。方法应用。机械。工程，372，第113379条pp.（2020）·Zbl 1506.68111号
[45] Y.Yoo，S.Yun，H.Jin Chang，Y.Demiris，J.Young Choi，变分自动编码回归：复杂流形上视觉数据的高维回归，收录于：IEEE计算机视觉与模式识别会议论文集，2017年，第3674-3683页。
[46] 卡普苏佐格鲁，B。；马哈德万，S。；松本，S。；宫城县。；Watanabe，D.，高维时空输出的自适应代理建模，Struct。多磁盘。最佳。，65, 1-20 (2022)
[47] 特南鲍姆，J.B。；德席尔瓦，V。；Langford，J.C.，《非线性降维的全球几何框架》，《科学》，290，2319-2323（2000）
[48] Lei，N。；安·D。；郭，Y。；苏凯（Su，K.）。；刘，S。；罗，Z。；柳，S.-T。；Gu，X.，深度学习的几何理解，工程，6361-374（2020）
[49] Yu，S。；Ma，J.，地球物理深度学习：当前和未来趋势，地球物理出版社。，59（2021），e2021RG000742
[50] Vapnik，V.N.，《统计学习理论》（1997）·兹比尔1436.62712
[51] 吴，Z。；潘，S。；Long，G。；姜杰。；Zhang，C.，深度时空图形建模的图形小波网（2019），arXiv预印本arXiv:1906.00121
[52] Dauphin，Y.N。；风扇，A。；奥利，M。；Grangier，D.，门限卷积网络的语言建模，（机器学习国际会议（2017），PMLR），933-941
[53] Elman，J.L.，《发现时间中的结构》，Cogn。科学。，14, 179-211 (1990)
[54] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，9, 1735-1780 (1997)
[55] 特南鲍姆，J.B。；席尔瓦，V.d。；Langford，J.C.，《非线性降维的全球几何框架》，《科学》，290，2319-2323（2000）
[56] Fefferman，C。；Mitter，S。；Narayanan，H.，《检验多种假设》，J.Amer。数学。Soc.，29，983-1049（2016）·Zbl 1359.62122号
[57] Cover，T.M.，《信息理论的要素》（1999），John Wiley&Sons
[58] 尼尔·R·M。；Hinton，G.E.，《证明增量、稀疏和其他变体的EM算法视图》（《图形模型中的学习》（1998），Springer），355-368·Zbl 0916.62019号
[59] Attias，H.，图形模型的变分baysian框架，（神经信息处理系统进展（2000）），209-215
[60] 金玛，D.P。；Welling，M.，自动编码变分贝叶斯（2013），arXiv预打印arXiv:1312.6114
[61] 阿里，S.M。；Silvey，S.D.，一种分布与另一种分布的一般散度系数，J.R.Stat.Soc.Ser。B统计方法。，28, 131-142 (1966) ·Zbl 0203.19902号
[62] Nguyen，X。；Wainwright，M.J。；Jordan，M.I.，通过凸风险最小化估计发散函数和似然比，IEEE Trans。通知。理论，56，5847-5861（2010）·Zbl 1366.62071号
[63] Nowozin，S。；Cseke，B。；Tomioka，R.，F-gan：使用变分散度最小化训练生成神经采样器，（《神经信息处理系统进展》（2016）），271-279
[64] A.L.Maas、A.Y.Hannun和A.Y.Ng，整流器非线性改善神经网络声学模型，in：Proc。ICML，Citeseer，2013年，第3页。
[65] 洛夫，S。；Szegedy，C.，批量归一化：通过减少内部协变量偏移来加速深度网络训练，（国际机器学习会议（2015），PMLR），448-456
[66] 医学博士麦凯。；贝克曼，R.J。；Conover，W.J.，《计算机代码输出分析中选择输入变量值的三种方法的比较》，《技术计量学》，42，55-61（2000）
[67] Stein，M.，《使用拉丁超立方体采样的模拟大样本特性》，《技术计量学》，29143-151（1987）·Zbl 0627.62010号
[68] Feng，Y.，任意形状颗粒离散元建模的能量守恒接触理论：基本框架和一般接触模型，计算。方法应用。机械。工程，373，第113454条pp.（2021）·Zbl 1506.74223号
[69] Laursen，T.A.，《计算接触和冲击力学：非线性有限元分析中界面现象建模基础》（2013），Springer Science&Business Media
[70] 高，F。；Bai，Y。；林，C。；Kim，I.，基于时空克里金的多目标耐撞性优化顺序元建模方法，应用。数学。型号。，69, 378-404 (2019) ·Zbl 1462.90118号
[71] 海因斯坦，M.W。；梅洛·F·J。；阿塔韦，西南部。；Laursen，T.A.，显式瞬态动力学中的接触-冲击建模，计算。方法应用。机械。工程，187，621-640（2000）·Zbl 0990.74064号
[72] Dietenberger，M。；Buyuk，M。；Kan，C.，《高应变率相关车辆模型的开发》（2005），弗吉尼亚州国家碰撞分析中心：弗吉尼亚州国家撞击分析中心
[73] Cowper，G.R。；Symonds，P.S.，《悬臂梁冲击载荷中的应变硬化和应变率效应》（1957），Brown Univ Providence Ri
[74] 王，S。；彭，Y。；Wang，T。；Che，Q。；Xu，P.，高速列车组合多室薄壁结构的碰撞性能和多目标稳健优化，薄壁结构。，135, 341-355 (2019)
[75] 方，J。；Sun，G。；邱，N。；Kim，N.H。；Li，Q.，《结构耐撞性设计优化及其最新进展》，结构。多磁盘。最佳。，55, 1091-1119 (2017)
[76] 张，Z。；邓，W。；Jiang，C.，基于PDF的性能转移方法，用于基于可靠性的设计优化，计算。方法应用。机械。工程，374，第113610条pp.（2021）·Zbl 1506.74508号
[77] Miller，W。；庄，L。；Bottema，J。；维特比斯，A.J。；De Smet，P。；哈兹勒，A。；Vierege，A.，汽车行业铝合金的最新发展，Mater。科学。工程A，280，37-49（2000）
[78] 赫希，J。；Skrotzki，B。；Gottstein，G.，《铝合金：物理和机械性能》（2008），John Wiley&Sons
[79] Cheng，M。；方，F。；疼痛，C.C。；Navon，I.，《使用深度卷积生成对抗网络的非线性时空流体流动的数据驱动建模》，计算。方法应用。机械。工程，365，第113000条pp.（2020）·Zbl 1442.76040号
[80] 焦，X。；李，X。；Lin，D。；Xiao，W.，基于图神经网络的深度学习预测器，用于时空组太阳辐射预测，IEEE Trans。Ind.通知。，18, 6142-6149 (2022)
[81] 古德费罗，I。；Pouget-Abadie，J。；米尔扎，M。；徐，B。；Warde-Farley，D。；Ozair，S。；科尔维尔，A。；Bengio，Y.，《生成性对抗网络》，（神经信息处理系统进展（2014）），2672-2680
[82] 张，C。；梁，M。；宋，X。；刘，L。；Wang，H。；李伟（Li，W.）。；Shi，M.，基于TBM操作数据的地质预测生成对抗网络，Mech。系统。信号处理。，162，第108035条pp.（2022）
[83] 张，C。；刘，L。；Wang，H。；宋，X。；Tao，D.，SCGAN：用于多保真代理建模的基于堆叠的生成性对抗网络，结构。多磁盘。最佳。，65, 1-16 (2022)
[84] 方，J。；邱，N。；安，X。；熊，F。；Sun，G。；Li，Q.，使用多响应面向对象的顺序优化进行钢铝混合钢轨的耐撞性设计，高级工程师软件。，112, 192-199 (2017)
[85] 阿什比，M.F。；Cebon，D.，机械设计中的材料选择，Le J.Physique IV，3，C7-1-C7-9（1993）
[86] Jahan，A。；Ismail，M.Y。；萨普安，S。；Mustapha，F.，《材料筛选和选择方法——综述》，Mater。设计。，31, 696-705 (2010)
[87] Farag，M.M.，材料选择的定量方法，（材料与机械设计（2006）），466
[88] 史密斯，L。；德语，R。；Smith，M.，用于解决粉末冶金材料选择逆问题的神经网络方法，J.Mater Process。技术。，120, 419-425 (2002)
[89] 刘凯。；Wu，T。；Detwiler，D。；潘查尔，J。；Tovar，A.，使用聚类分析和贝叶斯优化的分类多材料结构的耐撞性设计，J.机械。设计。，141 (2019)
[90] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE Trans。进化。计算。，6, 182-197 (2002)
[91] 罗伊·C·J。；Oberkampf，W.L.，《科学计算中验证、验证和不确定性量化的综合框架》，计算。方法应用。机械。工程，200，2131-2144（2011）·Zbl 1230.76049号
[92] 佩赫斯托弗，B。；Kramer，B。；Willcox，K.，《将多个替代模型与昂贵的高保真模型相结合以加速失效概率估计》，J.Compute。物理。，341, 61-75 (2017) ·Zbl 1376.93020号
[93] Abdar，M.先生。；Pourpanah，F。；侯赛因，S。；Rezazadegan，D。；刘，L。；加瓦姆扎德，M。；菲古斯，P。；曹，X。；Khosravi，A。；阿查里亚，U.R。；马卡伦科夫，V。；Nahavandi，S.，《深度学习中的不确定性量化综述：技术、应用和挑战》，Inf.Fusion，76，243-297（2021）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。