基于分层数据搜索的数据驱动算法研究

数据驱动计算力学是一种直接利用材料应力应变数据驱动力学仿真计算的新技术. 该方法通过反复遍历数据库,为数据驱动模型中的每一个积分点搜索并匹配最佳应力应变数据,使得在高维度和高密度的大规模数据库时计算效率不高. 在此背景下,本文提出一种分层数据搜索方案,替换原有的遍历式数据搜索方式,以提升数据驱动的计算效率. 该方案的核心思想是将大规模数据库切割成多层级子数据库,并利用树形搜索原理,减小单次搜索数据的范围,降低数据搜索的时间成本,达到提升计算效率的目的. 文中简要介绍了数据驱动计算力学的基本步骤,并给出了分层数据库的构造方案,最后结合算例,讨论了数据库分层数量和分层方式对数据驱动计算效率的影响.     

颗粒材料计算力学专题序

颗粒材料广泛地存在于自然环境、工业生产和日常生活等诸多领域, 其受加载速率、约束条件等因素的影响具有复杂的力学行为. 颗粒材料常与流体介质、工程结构物耦合作用并共同组成复杂的颗粒系统, 并呈现出非连续性、非均质性的复杂力学特性. 目前, 离散元方法已成为解决不同工程领域颗粒材料问题的有力工具, 然而其在真实颗粒形态的构造、接触算法、颗粒与流体及工程结构的耦合模型、多介质和多尺度问题, 以及高性能大规模计算等方面仍面临着诸多亟待解决的问题.《力学学报》组织了“颗粒材料计算力学”专题的7篇综述或研究论文, 分别从研究进展、理论模型及工程应用方面反映了颗粒材料计算力学研究领域上的最新研究进展, 为颗粒材料计算力学交叉领域的研究提供参考.      

基于弹性力学第一性原理的数据驱动力学建模

提出了一种基于弹性力学第一性原理的数据驱动力学建模方法,其能够从基于弹性力学方程的数值计算结果建立简洁且能准确捕捉变形机制的力学模型。基于有限元计算得到的高精度数据和无监督数据驱动控制方程识别方法Seq-SVF,从梁的载荷和位移数据中自动识别出了Timoshenko梁形式的弯曲控制微分方程,得到了三种不同加载条件下剪切影响系数关于结构尺寸和力学参数的函数表达式。揭示了经典模型适用的加载条件,同时还给出了一种未发现的新模型。通过将基于弹性力学的第一性原理计算与数据驱动范式相结合,克服了传统建模方法的局限性和对人类经验的强依赖性,为建立简洁的力学模型提供了一种新途径。     

力学研究中"大数据"的启示、应用与挑战

大数据在全世界发展迅猛, 应用成效显著.大数据独特的思维和方法, 为科学研究与探索提供了全新的范式.力学研究中,高时空分辨率、多参数同步观测与高精度、大规模模拟手段的发展,为力学大数据的发展提供了契机,大数据、机器智能方法的应用正呈现快速上升趋势.本文旨在分析大数据思维方法在力学研究中的应用, 及其启示与挑战.首先从大数据资源、大数据科学及大数据技术3个层面分析了大数据的内涵及研究态势,概括了国内外政府及组织机构的大数据发展规划.而后对比分析了力学思维方法与大数据思维方法的特点,指出两者的本质区别在于数据使用方式的不同而带来的范式差异:大数据采用数据驱动模型替代力学中的偏微分方程组以描述问题,在复杂系统的分析、预测中优势显著.回顾了大数据方法在材料性能预测、材料本构建模、湍流建模、结构健康监测及试验力学等方面的最新研究进展,以及动态数据驱动与数字孪生等大数据驱动的建模模拟新范式.总结了大数据在力学研究中应用的3种方式, 即驱动已有模型改进,挖掘复杂隐含的规律, 以及替代已有的理论方法等. 最后,建议以力学研究为主体和牵引, 大数据与力学双驱动,推动大数据与力学交叉形成理论与方法突破、及学科发展新方向.      

材料细观结构与构件宏观响应间直接关联关系

本文探讨一种用于材料细观结构与构件宏观响应之间的直接关联分析方法，该方法应用宏观计算，给出细观力学量，并可反映材料细观结构特征，适用于具有细观结构材料制成构件的力学分析。     

基于仿真和数据驱动的先进结构材料设计

先进结构材料近年来受到材料和结构设计领域的广泛关注, 这些材料一般通过多个尺度的结构设计实现各种卓越的性能. 在早期的材料设计中, 有的基于设计者的丰富经验, 从天然拓扑结构中抽象出合理的数学力学模型; 有的基于生物系统的结构和功能特点提取出仿生力学模型. 然而, 仅依靠经验性的巧妙设计很难得到最优的设计方案, 通过反复迭代设计和试验来遍历设计空间也不切实际. 为此, 拓扑优化方法被成功应用于声子晶体、元胞材料等先进结构材料的优化设计中, 但现有的拓扑优化方法在实现精准的反向设计方面尚存挑战. 基于数据驱动的机器学习方法擅长建立数据空间多维变量复杂关系, 能够揭示传统力学研究方法难以发现的更深层次的力学机理和规律, 成为力学领域崭新的研究热点. 本文系统地回顾先进结构材料设计方法的发展历程, 对比阐述各种主流设计方法, 结合本课题组的相关工作介绍数值仿真和数据驱动在先进结构材料的智能化设计方面的应用现状, 并对该领域的未来研究趋势进行探讨和展望.      

《人工智能计算力学》专辑序言

正近年来,机器学习、数据驱动等基于数据进行分析和预测的人工智能技术发展迅速,呈现出信息提取能力强、处理速度快等显著优势,目前已渗透到各个学科领域。另一方面,传统计算力学在模拟复杂工况、复杂模型和大变形等问题时,时常会面临物理模型不够完善、计算效率较低、计算精度不足等问题。因此,将知识驱动型的传统计算力学模型与数据驱动型的人工智能计算模型相融合,发展基于人工智能技术的计算力学理论和方法,成为当前计算力学领域的一个重要研究方向,也为解决复杂工程问题提供了新方案,具有非常广阔的应用前景。鉴于此,《固体力学学报》特别组织了《人工智能计算力学》专辑,希望通过该专辑展示国内计算力学工作者在人工智能计算力学这一新兴领域的最新研究成果,可供从事相关领域研究的人员参考。     

丝束变角度复合材料板壳结构静动力问题研究进展

近年来随着先进自动铺丝技术的发展，生产材料特性随空间位置连续变化的丝束变角度(Variable Angle Tow, VAT)复合材料已成为可能．由此制备的新型复合材料板壳结构不仅具有比传统结构更强的可设计性，而且在提升结构效率方面显示出极大的优越性，是实现航空航天工业装备高性能、轻质化发展的新的重要途径．然而，自动铺丝技术使VAT复合材料板壳结构具有了一般各向异性及面内变刚度特性，给其静动力学问题的分析带来了极大的困难．因此，发展针对该种新型变刚度复合材料板壳结构的力学模型和计算方法至关重要，这也是深入理解其复杂的力学响应机制并进一步促进其在航空航天工程中广泛应用的前提和基础．本文旨在总结近年来有关VAT复合材料板壳结构静动力问题的研究进展，着重从理论分析模型和数值计算方法等方面来简述其最新研究成果，最后讨论了目前VAT复合材料板壳结构静动力问题研究的局限性，并对未来的理论研究进行了展望．     

微电子机械系统中的若干固体力学问题

简述了微电子机械系统若干固体力学问题研究的现状，包括：微构件材料的基本力学性能；微构件的力学分析与计算；微系统的失效分析研究；微系统的驱动等，并阐述了微系统力学问题中涉及的表面效应和尺度效应，提出了微系统多类型力作用，多种因素交叉，多学科耦合，非线性突出的特点和研究方向。     

材料细观结构与构件宏观响应间直接关联分析

本文探讨一种用于材料细观结构与构件宏观响应之间的直接关联分析方法。该方法应用宏现计算,给出细观力学量,并可反映材料细观结构特征,适用于具有细观结构材料制成构件的力学分析。     

基于物理信息的深度学习求解矩形薄板力学正反问题

建立基于物理信息的神经网络框架,利用深度学习求解矩形薄板力学正反问题.力学正问题为已知矩形薄板的基本参数、边界条件和受力情况,求薄板各点挠度;反问题为已知薄板部分点的挠度、基本参数和受力情况等,识别边界条件.基于物理信息的神经网络模型中,损失函数除基于数据驱动模型的挠度数据拟合部分以外,还引入薄板弯曲基本方程和应力应变...     

STAGS computational procedure for progressive failure analysis of laminated composite structures

Non-linear analyses are difficult simulations to perform and place increased demands not only on the computational systems but also on the analyst. The number of possible problems and/or difficulties increases significantly compared to those for linear elastic analyses. Combined material and geometric non-linearities challenge the analyst and the solution algorithms. Progressive failure and damage propagation for composite structures result in even more complexities due to the discrete, abrupt changes in local material stiffness. Analysts need to interrogate the computed solutions carefully based on their understanding of structural mechanics, material behavior, computational procedures and non-linear phenomena to distill correct physics from such simulations. This paper describes the computational strategy incorporated into the STAGS non-linear finite element analysis code with special emphasis on progressive failure analysis of laminated composite structures. Results for selected laminated composite structures are used to demonstrate the PFA capability.     

数智流体力学的发展及油气渗流领域应用

大数据及人工智能技术的崛起推动了数智流体力学的快速发展.数智流体力学是将流体力学、大数据和人工智能相结合,以流体力学场景需求为导向,形成以“数”为基础,以“智”为核心,以算力为支撑的新研究范式.核心内涵是要以数据驱动为主,融合物理信息、专家经验等先验知识,利用智能化手段构建“数据+物理”双驱动的数智模型,解决场景需求问题.数智流体力学在建模灵活性、运算效率、计算精度方面具有十分明显的优势,其应用潜力已经在多尺度流动、多场耦合以及流场建模等方面得到验证.数智流体力学研究范式包括数据治理和智能算法构建,其中数据治理工作尤为重要,治理后的数据质量是智能算法能否发挥其价值的关键.智能算法中“数据+物理”协同驱动主要存在四种引入机制,分别是基于输入数据的嵌入机制、基于模型架构的嵌入机制、基于损失函数的嵌入机制和基于模型优化的嵌入机制.以油气领域应用为例,介绍了数智流体力学在储层物性参数预测、压裂效果评价以及注采参数优化等方面的一系列研究进展.数智流体力学是流体力学未来的重要发展方向之一,以场景需求为导向、深度融合物理信息等先验知识的新一代智能理论与方法是数智流体力学发展的必然趋势,能够从崭新的角...     

Learning material law from displacement fields by artificial neural network

The recently developed data-driven approach can establish the material law for nonlinear elastic composite materials(especially newly developed materials) by the generated stress-strain data under different loading paths(Computational Mechanics, 2019). Generally, the displacement(or strain) fields can be obtained relatively easier using digital image correlation(DIC) technique experimentally, but the stress field is hard to be measured. This situation limits the applicability of the proposed data-driven approach. In this paper, a method based on artificial neural network(ANN) to identify stress fields and further obtain the material law of nonlinear elastic materials is presented, which can make the proposed data-driven approach more practical. A numerical example is given to prove the validity of the method. The limitations of the proposed approach are also discussed.     

非均匀材料力学: 学术思想及研究趋势

针对非均匀材料力学当前的8个前沿性课题,以各国科学家在第一届国际非均匀材料力学会议(ICHMM)相关专题讨论会上的发言及总结为红线,介绍了当前国际上在材料/固体力学交叉领域内的一些新的学术思想及研究方向.对多尺度模拟, 新的计算方法,纳米力学,微结构概率力学,广义连续介质力学理论,材料设计,多孔材料和材料就位特性的试验技术等的综合性叙述,阐明了非均匀材料力学的一些新的生长点及其发展方法与前景.      

基于多变量小样本的渗流代理模型及产量预测方法

多孔介质渗流过程中存在的多尺度、多变量、多物理场耦合的非线性渗流问题给复杂渗流机理的表征及数学模型求解提出了巨大的挑战, 综合考虑地下多孔介质耦合渗流过程中关键力学问题的渗流模型往往需要在计算效率和计算精度之间权衡. 近年来, 基于油田多数据的渗流代理模型为高效求解多变量非线性渗流问题提供了思路, 而渗流代理模型在实际油田中的应用往往由于记录不全, 操作不当等因素受到小样本数据的限制. 针对这一问题, 本文提出了一种基于地质?油藏?工艺的多数据小样本渗流代理模型的产量预测方法. 通过填补缺失值, 独热编码分类数据, 数据对数化及标准化等一系列数据预处理方法, 形成了油田产量预测数据库; 经过随机劈分数据集、十折交叉验证, 测试了三种渗流代理模型的预测效果. 结果表明, 三种代理模型的决定系数均超过0.8, 模型预测结果与实际数据较为吻合; 对于小样本多变量的油田数据, 合适的数据预处理方法对模型预测效果影响显著; 经过数据标准化后, 随机森林算法表现最好, 能快速准确预测石油产量(均方误差0.12, 决定系数0.87).      

Data-driven modeling and learning in science and engineering

In the past, data in which science and engineering is based, was scarce and frequently obtained by experiments proposed to verify a given hypothesis. Each experiment was able to yield only very limited data. Today, data is abundant and abundantly collected in each single experiment at a very small cost. Data-driven modeling and scientific discovery is a change of paradigm on how many problems, both in science and engineering, are addressed. Some scientific fields have been using artificial intelligence for some time due to the inherent difficulty in obtaining laws and equations to describe some phenomena. However, today data-driven approaches are also flooding fields like mechanics and materials science, where the traditional approach seemed to be highly satisfactory. In this paper we review the application of data-driven modeling and model learning procedures to different fields in science and engineering.     

流固耦合分析的载荷映射开放式软件架构设计

基于开放式工程与科学计算软件平台SiPESC设计实现了流固耦合分析流场载荷映射软件架构。软件的核心问题是解决计算流体力学(CFD)网格模型与计算结构力学(CSD)网格模型交互界面网格不匹配情况下的流-固载荷映射问题。软件采用插值方法将流场分析得到的物面载荷转换为结构分析的载荷边界条件。软件基于SiPESC平台的微核心+插件的开放式可扩展软件框架进行设计,依托SiPESC.ENGDBS工程数据库管理系统实现大规模数据管理。设计实现的软件框架提供了算法的灵活扩展接口与管理机制,可动态扩展新的插值算法,满足流固耦合分析需要的数据管理与数据转换需求。在该软件框架下,已实现了多种插值算法,并完成验证算例与工程算例的载荷数据转换。算例表明软件功能具备良好的工程适用性,为进一步开发与应用奠定基础。     

金属结构材料腐蚀疲劳寿命预测模型的研究进展

腐蚀疲劳是工业装备的主要失效模式之一.随着新技术的不断发展，航空航天、轨道交通、海洋设施等重大装备向着高可靠性、长寿命及智能化方向发展，亟需准确、高效的腐蚀疲劳寿命预测方法.论文对金属材料的腐蚀疲劳损伤机理进行了简要总结并对寿命预测模型进行了系统归纳与评述，提出未来的研究趋势与方向.具体地，首先介绍了腐蚀坑的萌生和生长、裂纹萌生及扩展的机理；其次总结了预腐蚀疲劳的断裂力学及损伤力学寿命预测模型，再次归纳了腐蚀疲劳的断裂力学、损伤力学及数据驱动寿命预测模型；进一步地，综合概括了现有寿命预测模型的优点和不足；最后，基于当前的研究指出未来可能的发展方向，一方面可以借助三维成像技术实现蚀坑向裂纹转变阶段和短裂纹扩展阶段的可视化研究，以改进现有的断裂力学模型；另一方面可以建立新型的多尺度多阶段寿命预测模型或利用新兴的数据驱动-物理融合方法实现腐蚀疲劳寿命预测.