×

有限元分析中基于神经网络的材料模型的数值实现。 (英语) Zbl 1065.74609号

基于神经网络(NN)的本构模型可以捕捉非线性材料行为。这些模型是通用的,并且能够随着其他材料响应数据的可用而不断学习。NN本构模型在有限元(FE)方法中越来越多地用于求解边值问题。与常用的塑性模型不同,NN本构模型在有限元分析中不需要特殊的积分程序。与传统基于塑性模型的弹塑性矩阵相比,NN本构模型公式没有使用材料刚度矩阵概念。
本文讨论了在有限元分析中使用神经网络本构模型的相关数值实现问题。针对NN本构模型导出了一致的材料刚度矩阵,从而使FE牛顿迭代有效收敛。无论NN本构模型所代表的材料特性如何,所提出的刚度矩阵都是通用且有效的。两个示例验证了所提NN本构模型实现的性能。

MSC公司:

74S05号 有限元方法在固体力学问题中的应用
74A20个 固体力学中的本构函数理论
92B20型 生物研究、人工生命和相关主题中的神经网络
PDF格式BibTeX公司 XML格式引用
全文: 内政部