基于数据驱动模型求解热传导反问题

热传导反问题求解在工程领域具有重要的应用价值.本文发展数据驱动模型识别了管道内壁几何形状和皮肤肿瘤生长参数等热传导反问题.在管道内壁几何形状识别问题中,首先采用随机生成模型结合有限元法求解热传导正问题,并采用有效导热系数转化的思想,建立机器学习模型,求解了测点温度与有效导热系数之间的抽象映射关系,进而实现管道内壁几何形状的识别.然后,应用数据驱动模型识别了皮肤肿瘤的生长参数,分别讨论了不同测量误差对计算结果的影响.数值算例表明,本文提出的数据驱动模型能够准确估算肿瘤的生热率和血液灌注率.这些工作显示了数据驱动模型在求解热传导反问题方面具有广阔的应用前景.     

基于有限元法-正则化的弹性模量反求算法研究

生物组织的病变往往导致其物理特性的变化,研究生物组织的物理特性变化对诊断生物组织病变与否能够提供参考.本文提出了根据已知生物组织部分边界位移信息、外部载荷、边界条件和有限元模型,利用正则化方法反求弹性模量的方法.首先将求解弹性模量问题描述成一个力学反问题,建立逆系统辨识的数学模型,并应用正则化原理建立生物组织弹性模量反求算法.最后利用仿真算例验证了算法的有效性,并结合图像识别技术试验获取对象部分边界位移信息,反求其弹性模量,证明了本文反求方法的可行性.     

反求压电薄板智能结构荷载的有限元逆逼近方法

基于压电薄板智能结构提出一种有限元逆逼近反求结构荷载参量的方法，逼近目标函数以压电电荷响应为参量，迭代初值采用单位荷载预逼近方法；数值算例表明了该方法的有效性，可用于解决压电智能结构的荷载识别问题。     

基于变形场测量数据主元压缩的模型参量反求方法

利用主元分析法对数字图像相关技术所测结构变形信息进行数据压缩,并进一步用于力学模型未知参量的反求计算。首先,为降低数字图像相关技术所测庞大数据的应用成本,提出利用主元分析法对结构表面变形场数据进行压缩,实现在保留结构表面变形信息主要特征的前提下显著降低数据量的目的;其次,针对压缩后的数据建立了基于最小二乘法的力学模型参量反求模型,并利用高斯牛顿法进行求解;最后,以具体算例从计算精度、收敛速度和抗噪性等方面验证了数据压缩对模型参量反求的效果。研究结果表明,所提方法在显著降低使用数据量的前提下,能够有效提高力学模型参量反求计算的收敛速度,特别是对于包含多个模型参数的反求问题,具有较高的精度和较好的稳定性。     

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...     

土中爆炸成腔问题中确定炸点状态的一种计算反求方法

提出了一种通过给定的土中爆炸成腔毁伤效应确定炸点状态的计算反求方法。该方法将确定炸点状态的反问题转化为求解爆炸毁伤效应的计算值与给定值误差函数最小的优化问题。在反求过程中,采用基于误差减小比率技术的多项式近似模型代替土中爆炸数值分析模型,以便提高反求效率。采用Tikhonov正则化方法克服反求过程中出现的病态问题。在此基础上,引入信赖域管理策略判断当前近似模型与实际模型的逼近程度,以确定最优的反求向量。炸点状态反求结果与实验结果的对比分析表明,该方法能够有效且稳定地通过给定的毁伤效应实现炸点状态的反求,这可为炸点状态的设计提供参考。     

蚁群算法求解二维拉压不同模量反问题

利用光滑函数技术对二维拉压不同模量本构关系进行光滑化处理,采用初应力方法求解二维拉压不同模量正问题的有限元方程。在此基础上,建立了基于连续域蚁群算法的二维拉压不同模量反问题的数值求解模型,考虑了区域非均质的影响,实现了对拉压弹性模量和泊松比的单一/组合识别。通过两个数值算例,对所提算法进行了数值验证,分别探讨了蚁群算法相关参数、测点分布和数据噪音等对识别结果的影响。数值验证表明,所提算法可有效地求解二维拉压不同模量反问题,并具有较好的计算精度。     

二阶非定常多宗量热传导反问题的正则解

引入Bregman距离函数及其加权函数作为正则项，应用Tikhonov正则 化方法，对二阶非定常多宗量热传导反问题进行求解. 利用测量信息和计算信息构造最小二 乘函数，将多宗量反演识别问题转化为一个优化问题. 空间上采用8节点等参元进行离散， 时域上采用时域精细算法进行离散，建立了二阶非定常多宗量热传导问题的有限元正/反演数 值模型. 该模型不仅考虑了非均质和参数分布的影响，而且也便于正反演问题的敏度分析， 可对导热系数和边界条件等宗量进行有效的单一和组合识别. 给出了相关的数值验证，对信 息测量误差以及不同正则项的计算效率作了探讨. 数值结果表明，该方法能够对二阶非定常 多宗量热传导反问题进行有效的求解，并具有较高的计算精度.     

P-CS不确定性量化模型与其性能数据驱动更新方法

在实际工程中, 广泛存在大量的不确定性信息, 直接或间接影响着工程结构形式设计、结构性能评估与预测以及在役结构损伤识别等工作的开展与决策. 这些多源不确定性信息往往需要用多种不同的不确定性量化模型加以描述; 与此同时, 不确定性变量在使用过程中可能随时间变化且难以直接测量, 需要间接根据性能测试信息在使用工程中更新不确定性量化模型. 为兼顾上述两个问题, 本文基于等概率变换原则提出了一种P-CS (probability-convex set) 不确定性量化模型, 该模型将不确定性变量用概率随机变量与非概率凸集变量组合表征, 可统一表达概率模型、非概率模型以及非精确概率模型, 实现多源、多类型不确定性的统一量化. 本文进一步基于贝叶斯理论提出了一种针对该P-CS不确定性量化模型的性能数据驱动更新方法. 该更新方法根据性能测试数据信息更新P-CS不确定性量化模型参数取值的信度分布, 从而根据后验信度分布计算得出当前P-CS不确定性量化模型参数集合. 通过数值算例详述了P-CS不确定性量化模型的构建方法与其概率、非概率特性, 并验证了性能数据驱动更新P-CS模型方法的适用性.      

有限散射信号下二维缺陷形状识别的罚函数方法

研究在有限照射角度和频带宽度下二维缺陷的形状识别问题。首先,通过引进介质参数扰动函数,建立介质参数扰动函数和弹性波散射场之间的非线性关系,并将所关心的缺陷的形状识别问题转化为关于扰动函数的反演;然后,利用变分技术和优化方法求解,为了弥补散射数据的不足,在总的目标函数中,采用附加度量函数作为罚函数;最后,对后场散射远场测量时有限照射角度和频带宽度下几种典型缺陷进行了模拟识别,表明了;表明了罚函数法的有效性。