×
胡贝尔，N。；Ch.Tsakmakis，中国。

用于识别具有静态恢复的有限变形粘塑性模型的材料参数的神经网络工具。 （英语） Zbl 0991.74019号

计算。方法应用。机械。工程师。 191，编号3-5，353-384（2001）.
小结：利用神经网络解决了参数辨识的逆问题。与常用的优化方法相比，神经网络表示测量的应变、应力、时间和待识别的材料参数之间的显式关系。考虑中的本构模型描述了有限变形粘塑性，并在各向同性和运动硬化规律中显示出静态恢复。为了训练神经网络，我们使用由均匀单轴变形组成的加载历史，包括循环加载和松弛阶段。结果表明，神经网络能够识别具有物理意义的材料参数集，因此本构模型可以以令人满意的方式预测实验观察到的材料行为。即使考虑到复杂的加载历史，这也是正确的。

引用于11文件

MSC公司：

74C20美元 大应变率相关塑性理论
74G75型 平衡固体力学中的反问题
74S30型 固体力学中的其他数值方法（MSC2010）
92秒20 生物研究、人工生命和相关主题中的神经网络

关键词：

反问题；参数识别；神经网络；有限变形粘塑性；静态恢复；硬化定律；加载历史记录；均匀单轴变形；循环荷载；放松
PDF格式BibTeX公司 XML格式引用
\textit{N.Huber}和\textit{Ch.Tsakmakis}，计算。方法应用。机械。工程191，编号3--5，353--384（2001；Zbl 0991.74019）
全文： 内政部

参考文献：

[1] Mahnken，R。；Stein，E.，基于最小二乘泛函和稳定性研究的分析导数的粘塑性模型参数识别，计算。方法应用。机械。工程，12，451-479（1996）·Zbl 0883.73028号
[2] J.Schwertel，Modellierung des einachsigen mechanischen Verhaltens von Werkstoffen durch viskoplastische Stoffmodelle，博士论文，Fortschritsberichte VDI/Reihe 5，Grund-und Werkstoff 306，VDI-Verlag，1993（德语）；J.Schwertel，Modellierung des einachsigen mechanischen Verhaltens von Werkstoffen durch viskoplastische Stoffmodelle，博士论文，Fortschritsberichte VDI/Reihe 5，Grund-und Werkstoff 306，VDI-Verlag，1993（德语）
[3] Yagawa，G。；Okuda，H.，计算力学中的神经网络，建模仿真材料。科学。工程，3435-512（1996）
[4] Lemaitre，J。；Chaboche，J.-L.，《固体材料力学》（1993），剑桥大学出版社：剑桥大学出版社
[5] 塞伯特，T。；Lehn，J。；施瓦恩，S。；Kollmann，F.G.，《非弹性本构模型材料参数的识别：偏差分析的随机模拟》，连续体力学。热电偶。，12, 95-120 (2000) ·兹比尔0946.74500
[6] Haykin，S.，《神经网络：综合基金会》（1994），麦克米伦出版社：纽约麦克米伦·Zbl 0828.68103号
[7] N.Huber，《神经网络在非线性力学问题上的应用》，习性论文，FZKA-Bericht 6504，Forschungszentrum Karlsruhe，2000（德语）；N.Huber，神经网络在非线性力学问题上的应用，适应理论，FZKA Bericht 6504，Forschungszentrum Karlsruhe，2000（德语）
[8] Sumpter，B.G。；Noid，D.W.，《关于使用计算神经网络预测聚合物特性》，《热分析杂志》。，46, 833-852 (1996)
[9] 斯图加特大学并行和分布式高性能系统研究所（IVPR），SNNS斯图加德神经网络模拟器，用户手册，4.1版（1995年）；斯图加特大学并行和分布式高性能系统研究所（IVPR），SNNS斯图加德神经网络模拟器，用户手册，4.1版（1995）
[10] M.Riedmiller，H.Braun，《快速反向传播学习的直接自适应方法：RPROP算法》，收录于：IEEE神经网络国际会议论文集（ICNN 93），1993年；M.Riedmiller，H.Braun，《快速反向传播学习的直接自适应方法：RPROP算法》，收录于：IEEE神经网络国际会议论文集（ICNN 93），1993年
[11] M.Riedmiller，Untersuchungen zu Konvergenz und generalisierseungsverhaltenüberwachter Lernverfahren mit dem SNNS，收录于：1993年SNNS研讨会论文集；M.Riedmiller，Untersuchungen zu Konvergenz und generalisierseungsverhaltenüberwachter Lernverfahren mit dem SNNS，收录于：1993年SNNS研讨会论文集
[12] Haupt，P。；Tsakmakis，Ch.，关于连续介质力学中对偶变量的应用，连续介质力学。热电偶。，1, 165-196 (1989) ·Zbl 0771.73003号
[13] Haupt，P。；Tsakmakis，Ch.，通过对偶性与变形张量相关的应力张量，Arch。机械。，48, 347-384 (1996) ·Zbl 0861.73015号
[14] 斯文森，B。；Tsakmakis，Ch.，应力应变对和时间导数的局部微分几何公式，Arch。机械。，46, 49-91 (1994) ·Zbl 0852.73012号
[15] Tsakmakis，Ch.，有限塑性运动硬化规则。第一部分：本构方法，连续体力学。热电偶。，8, 215-231 (1996) ·Zbl 0874.73029号
[16] Tsakmakis，Ch.，使用过应力制定粘塑性定律，机械学报，115，179-202（1996）·Zbl 0856.73020号
[17] O.Häusler，Ch.Tsakmakis，Torsion eines Kreiszylinders bei grossen Deformation und inkcompressisblem Materialverhalten，FZKA-Bericht 5598，Forschungszentrum Karlsruhe，1995（德语）；O.Häusler，Ch.Tsakmakis，Torsion eines Kreiszylinders bei grossen Deformation und inkcompressisblem Materialverhalten，FZKA-Bericht 5598，Forschungszentrum Karlsruhe，1995（德语）
[18] Diegele，E。；Jansohn，W。；Tsakmakis，Ch.，《显示非线性硬化规则的有限变形塑性和粘塑性定律》，第一部分：本构理论和数值积分，计算。机械。，2000年1月25日至12日·Zbl 0988.74018号
[19] Diegele，E。；哈特曼街。；Tsakmakis，Ch.，显示非线性硬化规则的有限变形塑性和粘塑性定律第二部分：典型示例，计算。机械。，25, 13-27 (2000) ·兹伯利0988.74019
[20] W.Jansohn，《有限变形热塑性和粘塑性本构关系的形成和整合》，博士论文，FZKA-Bericht 6002，Forschungszentrum Karlsruhe，1997（德语）；W.Jansohn，《有限变形热塑性和粘塑性本构关系的制定和整合》，博士论文，FZKA-Bericht 6002，Forschungszentrum Karlsruhe，1997（德语）
[21] Ch.Tsakmakis，UE ber inkuretelle Materialgleichungen zur Beschreibung grosser inelastischer Deformationen，博士论文，Technische Hochschule Darmstadt，1987（德语）；Ch.Tsakmakis，UE ber inkenterelle Materialgleichungen zur Beschreibung grosser inelastischer Deformationen，博士论文，Technische Hochschule Darmstadt，1987（德语）
[22] Ch.Tsakmakis，Methoden zur Darstellung inelastischen Materialverhaltens bei kleinen Deformationen，《习惯化论文》，卡塞尔大学，1994年（德语）；Ch.Tsakmakis，Methoden zur Darstellung inlastischen Materialverhaltens bei kleinen Deformationen，《习惯化论文》，卡塞尔大学，1994年（德语）
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。