Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种超弹性多变形模式本构模型的物理信息机器学习方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:宁夏大学

摘要:本发明公开了一种超弹性多变形模式本构模型的物理信息机器学习方法,包括以下步骤;步骤一:实验数据集获取,获取多种变形模式下的拉伸比、剪切比和名义应力;步骤二:物理信息网络搭建,用于预测根据拉伸比和剪切比计算得到的不同变形模式下的两个变形张量不变量和应变能函数的映射关系;步骤三:深度回归网络搭建,用于生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式;步骤四:基于多变形模式下超弹性材料的实验数据集进行网络训练,对物理信息网络和和深度回归网络进行联合训练;生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式。本发明实现针对多种变形模式下的非线性材料响应的准确预测。

主权项:1.一种超弹性多变形模式本构模型的物理信息机器学习方法,其特征在于,包括以下步骤;步骤一:实验数据集获取,获取多种变形模式下的拉伸比、剪切比和名义应力,用于生成步骤二中的物理信息网络和步骤三中的深度回归网络的输入数据;步骤二:物理信息网络搭建,用于预测根据拉伸比和剪切比计算得到的不同变形模式下的两个变形张量不变量I1,I2和应变能函数WI1,I2的映射关系;步骤三:深度回归网络搭建,用于生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式;步骤四:基于步骤一得到的多变形模式下超弹性材料的实验数据集进行网络训练,对步骤二中的物理信息网络和步骤三中的深度回归网络进行联合训练;最终生成反映多变形模式下超弹性材料大变形行为的本构模型显式表达式;所述步骤一具体为:首先对一个不可压缩的超弹性材料矩形板开展相关力学测试试验,进行单轴拉伸压缩试验,双轴拉伸压缩试验,剪切的多种变形模式下的力学测试实验,得到实验数据集,实验数据集包括获得由单轴拉伸和压缩模式下的主伸缩比组合下的单轴应力双轴拉伸和压缩模式下主伸缩比组合下的双轴应力剪切模式下的主伸缩比组合下的剪切名义应力构成的超弹性材料;为单轴拉伸和压缩实验得到的主伸缩比,为双轴拉伸和压缩实验得到的主伸缩比,剪切实验得到的剪切比,为单轴应力,为双轴应力,为剪应力;基于超弹性理论,计算单轴拉伸和压缩模式下的变形张量不变量 基于超弹性理论,计算双轴拉伸和压缩模式下的变形张量不变量 基于超弹性理论,计算剪切模式下的变形张量不变量 其中,I1TC和I2TC为单轴拉伸和压缩变形下的右柯西格林变形张量的两个变形张量不变量;I1BT和I2BT为双轴拉伸和压缩变形下的右柯西格林变形张量的两个变形张量不变量;I1SS和I2SS为剪切变形下的右柯西格林变形张量的两个变形张量不变量;通过上述步骤,深度回归网络的最终输出为本构建模方法所得到的多变形模式的本构关系的应变能函数W*I1,I2的显式表达式,即生成反映多变形模式下超弹性材料板的非线性行为的本构模型;并且本构模型应变能函数W*I1,I2中的模型参数由深度回归网络同时确定;同实验数据集进行对比,检验所得到的超弹性本构模型。

全文数据:

权利要求:

百度查询: 宁夏大学 一种超弹性多变形模式本构模型的物理信息机器学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。