弗雷斯卡，斯特凡尼亚;乔治·戈巴特;帕特里克·费德利;阿提里奥·弗兰基;安德烈亚·曼佐尼 用于实时模拟微观结构非线性动力学的基于深度学习的降阶模型。 （英语） Zbl 07769309号 国际期刊数字。方法工程。 123，编号20，4749-4777（2022）. 摘要：我们提出了一种基于非侵入式深度学习的降阶模型（DL-ROM），能够捕获显示惯性和几何非线性的机械系统的复杂动力学。在第一阶段，使用有限数量的高保真快照生成POD-Galerkin ROM，随后利用该ROM生成数据，覆盖DL-ROM训练阶段使用的整个参数范围。使用卷积自动编码器将系统响应映射到低维表示上，同时，对简化的非线性试验流形进行建模。通过与自动编码器一起训练的深度前馈神经网络来描述流形上的系统动力学。该策略以夹持光束和具有软化响应和多重解决方案的真实微镜上的高保真解决方案为基准。通过比较不同的计算成本，我们讨论了令人印象深刻的性能提升，并表明DL-ROM真正代表了一种实时工具，可以在复杂的系统级仿真程序中高效地使用，以实现设计和优化目的。{©2022作者。国际工程数值方法杂志由John Wiley&Sons Ltd.出版} 引用于三文件 MSC公司： 74M25型 固体微观力学 68T07型 人工神经网络与深度学习 6500万06 含偏微分方程初值和初边值问题的有限差分方法 关键词：深度学习;微机电系统;非线性动力学;降阶模型 软件：TensorFlow公司;AUTO（自动） PDF格式BibTeX公司 XML格式引用 \textit{S.Fresca}等人，《国际数学家杂志》。方法工程123，编号20，4749-4777（2022；Zbl 07769309） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] ShinDD、ChenY、FladerIB、KennyTW。谐振加速度计的非线性温度补偿；2018:1012‐1015; 电气与电子工程师协会。 [2] 迪福特M，塔赫里-TehraniP，霍斯利DA。在硅微机械谐振器中利用非线性幅频相关性进行温度补偿。应用物理Lett。2016;109(15):153502. [3] AgarwalM、ChandorkarSA、CandlerRN等。静电微谐振器非线性降低的最佳驱动条件。应用物理Lett。2006;89(21):214105. [4] 埃拉塔·里夫林。设计非线性弹簧，以在间隙闭合静电执行器中实现线性响应。国际J固体结构。2012;49(26):3816‐3822. [5] ChenC、ZanetteDH、CzaplewskiDA、ShawS、LópezD。直接观察非线性微机械振荡器中的相干能量传递。自然社区。2017;8(1):1‐7. [6] SarrafanA、AzimiS、GolnaraghiF、BahreyniB。利用内部共振的非线性速率微型传感器。2019年科学报告；9(1):1‐9. [7] RhoadsJF、ShawSW、TurnerKL。非线性动力学及其在微纳谐振器中的应用。动态系统测量控制杂志。2010;132(3):034001. [8] 托特曼B、凯斯勒Y、利伯松A、克里洛夫S。由电热焦耳加热参数激励的微束谐振器及其用作流量传感器。非线性动力学。2019;98(4):3051‐3065. [9] 张伟，特纳KL。参数共振放大在基于单晶硅微振荡器的质量传感器中的应用。传感驱动物理。2005;122(1):23‐30. [10] NitzanSH、ZegaV、LiM等。微机械谐振圆盘陀螺仪中非线性弹性耦合引起的自感生参数放大。2015年科学报告；5(1):1‐6. [11] ShawSW，PoluninPM。环形谐振陀螺仪中的自感生参量放大。国际J非线性力学。2017;94:300‐308. [12] BouchaalaA、JaberN、YassineO等。用于气体检测的基于非线性的MEMS传感器和有源开关。传感器。2016;16(6):758. [13] FrangiA、De MasiB、ConfalonieriF、ZerbiniS。基于双稳态机制的阈值冲击传感器：设计、建模和测量。微电子机械系统杂志。2015;24(6):2019‐2026. [14] HaLevyO、KrakoverN、KrylovS。以双稳态静电驱动悬臂梁作为传感元件的谐振加速度计的可行性研究。国际J非线性力学。2020;118:103255. [15] KesslerY、KrylovS、LiberzonA。通过电热驱动双夹紧微梁的屈曲监测实现流量传感。应用物理Lett。2016;109(8):083503. [16] KerschenG、PeetersM、GolinvalJ‐C、VakakisAF。非线性正态模式，第一部分：结构动力学的有用框架。机械系统信号处理。2009;23(1):170‐194. [17] RensonL、KerschenG、CochelinB。机械工程中非线性简正模式的数值计算。J Sound Vib。2016;364:177‐206. [18] MignoletMP、PrzekopA、RizziSA、SpottswoodSM。非线性几何结构的间接/非侵入降阶建模综述。J声音振动。2013;332(10):2437‐2460. [19] BesselinkB、TabakU、LutowskaA等，《结构动力学、数值数学、系统和控制的模型简化技术比较》。J声音振动。2013;332(19):4403‐4422. [20] QuarteroniA，ManzoniA，NegriF。偏微分方程的约化基方法：简介。施普林格；2015 [21] ManzoniA，NegriF。定义在可变形状域上的偏微分方程的有效约简。施普林格国际出版公司；2017:183‐199. ·Zbl 1388.78020号 [22] PaganiS、ManzoniA、QuarteroniA。心脏电生理参数化问题的局部约化基数值逼近。计算方法应用机械工程2018；340:530‐558. ·Zbl 1440.92003年 [23] Farhat C、Grimberg S、ManzoniA、QuarteroniA。PROM的计算瓶颈：预计算和超约简。第5卷。德格鲁伊特；2020:181‐244. [24] 阿马比利姆·图泽克。阻尼几何非线性系统的非线性法向模态：应用于谐波受力结构的降阶建模。J声音振动。2006;298(4‐5):958‐981. [25] PonsienS、PedergnanaT、HallerG。非线性模态分析中自治谱子流形的自动计算。J声音振动。2018;420:269‐295. [26] OpreniA、VizzacaroA、FrangiA、TouzéC。基于直接范式的模型降阶：应用于具有内部共振的大型有限元mems结构。非线性动力学。2021;105:1237‐1272. [27] GobatG、OpreniA、FrescaS、ManzoniA、FrangiA。通过适当的正交分解对非线性微结构进行降阶建模。机械系统信号处理。2022;171:108864. [28] HaghighatE、RaissiM、MoureA、GomezH、JuanesR。固体力学中反演和替代建模的基于物理学的深度学习框架。计算方法应用机械工程2021；379:113741. ·Zbl 1506.74476号 [29] RaissiM、PerdikarisP、KarniadakisGE。基于物理的神经网络：用于解决涉及非线性偏微分方程的正问题和逆问题的深度学习框架。计算物理杂志。2019;378:686‐707. ·Zbl 1415.68175号 [30] Guo M，HesshavenJS。基于高斯过程回归的非线性结构分析降阶建模。计算方法应用机械工程2018；341:807‐826. ·Zbl 1440.65206号 [31] Guo M，HesshavenJS。时间相关问题的数据驱动降阶建模。计算方法应用机械工程2019；345:75‐99. ·Zbl 1440.62346号 [32] LeeK，CarlbergKT公司。使用深度卷积自编码器对非线性流形上的动力学系统进行模型降阶。计算物理杂志。2020;404:108973. ·Zbl 1454.65184号 [33] KaiserE、KutzJN、BruntonSL。低数据限下模型预测控制的非线性动力学稀疏辨识。2018年皇家足球协会公告；474(2219):20180335. ·Zbl 1425.93175号 [34] BruntonSL、ProctorJL、KutzJN。通过非线性动力系统的稀疏辨识从数据中发现控制方程。国家科学院院刊。2016;113(15):3932‐3937. ·Zbl 1355.94013号 [35] BruntonSL、ProctorJL、KutzJN。带控制的非线性动力学稀疏辨识（SINDYc）。IFAC‐在线论文。2016;49(18):710‐715. [36] ChampionK、LuschB、KutzJN、BruntonSL。数据驱动的坐标和控制方程发现。国家科学院院刊。2019;116(45):22445‐22451. ·Zbl 1433.68396号 [37] FrescaS、ManzoniA、DedèL、QuarteroniA。心脏电生理学中基于深度学习的降阶模型。公共科学图书馆一号。2020;15（10）：e0239416。 [38] 弗雷斯卡（FrescaS）、德德勒（DedeL）、曼佐尼（ManzoniA）。基于深度学习的综合方法，用于非线性时间相关参数化PDE的降阶建模。科学计算杂志。2021;87(2):1‐36. ·Zbl 1470.65166号 [39] SimpsonT、DervilisN、ChatziE。通过自动编码器和LSTM网络对非线性系统进行模型降阶的机器学习方法。工程机械杂志。2021;147(10):04021061. [40] WangZ、XiaoD、FangF、GovindanR、PainCC、GuoY。基于深度学习的降阶流体动力学系统模型辨识。国际J数值方法流体。2018;86(4):255‐268. [41] LuiHFS，WolfWR。使用深度前馈神经网络构建流体流动的降阶模型。J流体力学。2019;872:963‐994. ·Zbl 1430.76407号 [42] GonzalezFJ，BalajewiczM。用于学习流体系统低维特征动力学的深卷积递归自动编码器。arXiv预印arXiv:1808.013462018。 [43] AmsallemD、FarhatC。适用于降阶模型的插值方法及其在气动弹性力学中的应用。AIAA J.2008；46(7):1803‐1813. [44] Amsallem D、ZahrMJ、Farhat C。基于局部降阶基的非线性模型降阶。国际数值方法工程杂志2012；92(10):891‐916. ·Zbl 1352.65212号 [45] MosqueraR、El HamidiA、HamdouniA、FalaizeA。格拉斯曼流形上Neville-Aitken插值算法的推广：在降阶模型中的应用。国际J数值方法流体。2021;93(7):2421‐2442. [46] VizzacaroA、ShenY、SallesL、BlahošJ、TouzéC。通过标准形直接计算有限元非线性结构降阶模型的非线性映射。计算方法应用机械工程2021；384:113957. ·Zbl 1506.65165号 [47] VizzacaroA、OpreniA、SallesL、FrangiA、TouzéC。用于有限元结构模型降阶的不变流形的高阶直接参数化：应用于大振幅振动和折叠点的揭示。arXiv预打印arXiv:2109.10312021。 [48] MalvernLE。连续介质力学导论。普伦蒂斯·霍尔物理科学工程系列。普伦蒂斯·霍尔；1969 [49] OpreniA、BoniN、Carminator、FrangiA。用谐波平衡法分析压电微镜的非线性响应。执行机构。2021;10(21):1‐12. [50] DetrouxT、RensonL、MassetL、KerschenG。大型非线性机械系统分岔分析的谐波平衡法。计算方法应用机械工程2015；296:18‐38. ·Zbl 1423.70052号 [51] KerschenG、GolinvalJ‐c、VakakisAF、BergmanLA。机械系统动力学表征和降阶的本征正交分解方法：综述。非线性动力学。2005;41:147‐169. ·兹比尔1103.70011 [52] LuK，JinY，ChenY，et al.基于适当正交分解的降阶综述和机械系统应用展望。机械系统信号处理。2019;123:264‐297. [53] BarraultM、MadayY、Nguyen NC、PateraAT。“经验插值”方法：应用于偏微分方程的高效降基离散化。Compt Rendus数学科学院。2004;339(9):667‐672. ·Zbl 1061.65118号 [54] 索伦森特区ChaturantabutS。通过离散经验插值进行非线性模型简化。SIAM科学计算杂志。2010;32(5):2737‐2764. ·Zbl 1217.65169号 [55] MadayY、NguyenN、PateraA、PauG。通用多用途插补程序：魔术点。Commun Pure应用分析。2008;8:383‐404. ·Zbl 1184.65020号 [56] 弗雷斯卡，曼佐尼娅。POD‐DL‐ROM：通过适当的正交分解增强非线性参数化PDE的基于深度学习的降阶模型。计算方法应用机械工程2022；388:114181. ·Zbl 1507.65181号 [57] 哈尔科恩、马丁森、特罗普JA。寻找具有随机性的结构：用于构造近似矩阵分解的概率算法。SIAM版本2011；53:217‐288. ·Zbl 1269.65043号 [58] DoedelEJ、ChampneysAR、DercoleF等。AUTO‐07P：常微分方程的延拓和分岔软件；2007 [59] GuillotL、CochelinB、VergezC。基于泰勒级数的动力系统解的延拓方法。非线性动力学。2019;98(4):2827‐2845. ·Zbl 1430.37099号 [60] 格罗斯·J·克拉克。非线性振动问题的谐波平衡。施普林格；2019. ·Zbl 1416.70003号 [61] VeltzR系列。分叉套件。jl；2020年HAL：https://hal.inria.fr/hal02902346 [62] 汤姆森JJ，汤姆森JJ，汤姆森JJ。振动和稳定性。施普林格；2003 [63] ZegaV、GattereG、KoppakaS等。MEMS谐振器非线性的数值模拟。微电子机械系统杂志。2020;29(6):1443‐1454. [64] MestromRMC，FeyRHB，NijmeijerH。振荡器电路中非线性MEM谐振器的相位反馈。IEEE/ASME Trans Mechatron公司。2009;14(4):423‐433. [65] BaJ州KingmaDP。亚当：一种随机优化方法。2014年：arXiv:1412.6980。 [66] 古德菲洛夫，班吉，库维尔。深度学习。麻省理工学院出版社；2016. ·Zbl 1373.68009号 [67] ClevertD、UnterthinerT、HochreiterS。使用指数线性单位（ELU）快速准确地进行深度网络学习。arXiv预印arXiv:1511.072892015。 [68] HeK、ZhangX、RenS、SunJ。深入研究整流器：在图像网络分类方面超越人类水平的性能。IEEE计算机视觉国际会议（ICCV）论文集；2015:1026‐1034. [69] AbadiM、BarhamP、ChenJ等，《TensorFlow：大规模机器学习系统》；2016:265‐283. [70] 本吉奥·格洛洛特。了解训练深度前馈神经网络的困难。JMLR研讨会和会议记录；2010:249‐256. [71] CoriglianoA、De MasiB、FrangiA、ComiC、VillaA、MarchiM。通过片上拉伸试验对多晶硅进行机械表征。微电子机械系统杂志。2004;13(2):200‐219. [72] 激光束扫描。https://www.st.com/content/st_com/en/about/inovation网站技术/激光束扫描.html [73] FrangiA、OpreniA、BoniN等，PZT驱动谐振微镜的非线性响应。微电子机械系统杂志。2020;29(6):1421‐1430. [74] 戈巴特·弗朗吉。MEMS谐振器非线性刚度的降阶建模。Int J非线性机械。2019;116:211‐218. 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。