基于“AM-GoogLeNet+BP”联合数据驱动的混凝土细观模型压缩应力-应变曲线预测

本文结合GoogLeNet卷积神经网络和BP神经网络分别在图像数据挖掘和数据分析方面的良好性能,采用“AM-GoogLeNet+BP”联合数据驱动方法,对混凝土细观模型(含砂浆、骨料及孔隙)的单轴压缩应力-应变曲线进行了有效预测.通过引入力学参量对图像数据驱动的训练结果进行优化,从而提升了神经网络的物理可解释性.基于Python语言实现混凝土细观模型在Abaqus中的自动建模及细观图像生成过程,并将生成的细观图像数据库与相应的压缩应力-应变曲线作为训练数据集.在GoogLeNet中分别引入SENet, ECANet和CBAM三种代表性注意力机制并对三种注意力机制的性能进行对比和分析,以自适应方式提升神经网络对混凝土各相组分的分析能力,并以此得到混凝土细观模型的初步应力-应变预测曲线;将骨料体积分数、孔隙率及初步峰值应力等物理参量作为输入引入BP神经网络以改善峰值应力的预测精度,并与将物理参量直接引入卷积神经网络输入层的方法进行了对比,最后定量给出了骨料体积分数和孔隙率对峰值应力的影响权重.结果表明,对于不同骨料体积分数及孔隙率的混凝土细观模型,该方法均展现了较高的预测精度.本文采用的“...     

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。     

数据驱动计算力学研究进展

以数字孪生、人工智能为核心的大数据理念正深刻影响着第四次工业革4 命,数据驱动计算力学在此背景下应运而生并展现勃勃生机。与此同时,航5 空航天等尖端工业领域对高性能材料与结构的先进制造与安全评估提出了更6 严峻的挑战,经典计算力学已很难实现成倍缩短产品研发周期、实时跟踪产7 品信息并提供解决方案的目标。因此,发展面向高性能材料与结构的数据驱8 动计算力学正当其时且刻不容缓。本文拟通过梳理数据驱动计算力学的部分9 研究现状,探讨并浅析数据驱动计算力学的发展趋势.     

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.      

人工智能结合大数据技术在材料拉伸性能教学中的应用

针对材料拉伸试验获得应力?应变曲线随机性及不确定性问题,开展了人工智能结合大数据技术确定材料弹性模量、屈服强度和极限强度的教学方法.通过读取拉伸数据并构建数据库,运用概率统计理论建立合理的应力?应变曲线,并结合人工智能评估现有试验结果准确性及失效原因.人工智能与大数据技术辅助的创新教学方法,将成为材料力学教学重要的发展...     

单晶体塑性滑移有限变形下的应力计算

为了探讨和发展单晶金属材料的非弹性有限变形分析方法,提出一种单晶体各向异性弹塑性分析的计算格式.该方法是一种以初始构形为变形计算参考构形的描述方法,它对单晶体塑性构形的演化用增量计算以跟随加载路径,而在应力计算时在卸载构形的基础上用Hencky对数弹性应变来计算总量的应力以保证计算的稳定和收敛;通过求解满足瞬时屈服条件和应力与弹性应变关系的广义胡克定律的非线性方程组来搜索激活滑移系.     

基于深度学习和细观力学的颗粒材料本构关系研究

颗粒材料的本构关系对岩土工程等众多领域至关重要. 不同于传统的唯象本构理论, 本文基于机器学习模型探索了一种细观力学理论指导下的数据驱动型颗粒材料本构关系预测方法. 根据Vogit均质化假设, 建立了小应变条件下颗粒材料应力?应变解析关系, 此关系唯一地确定了一组与颗粒材料本构行为相关的细观组构变量. 这些变量与反应颗粒材料宏观性质的主应力和主应变信息通过一系列离散元三轴压缩数值试验获得. 考虑到细观组构变量为内变量, 不能直接作为本构模型的输入. 本文基于有向图方法将颗粒材料微观结构信息隐式地包含在应力?应变的预测当中, 并采用门控循环单元(GRU)循环神经网络作为基础深度学习模型描述有向图中结点之间的映射关系. 通过将有向图从目标节点沿源节点展开, 整个应力?应变预测模型可由两个神经网络分别训练并组装而成. 将训练后的深度学习模型在全新的数据集上进行测试, 结果表明该训练策略能有效捕捉到颗粒材料在常规三轴任意加卸载, 等中主应力系数b的真三轴加载, 和等平均有效应力p的真三轴加卸载等复杂多轴加载工况下的应力?应变响应关系, 模型具有良好的内插和外推预测能力. 考虑到深度学习模型捕捉颗粒材料力学响应的能力及其开放式学习的特点, 充分结合数据驱动方法和理论本构模型可能是颗粒材料本构研究的一个重要方向.      

地应力与地应变的定向测量

测量地表或地壳上层岩石中的应力和应变,工程界常用弹性力学平面问题原理,先实测平面内三个方向上的某种几何量或物理量,然后从力学公式算出平面内主应力或主应变的大小和方向,再用应力或应变分析公式计算平面内任一方向上的应力或应变.许多实际工作往往要求我们着重了解某一指定方向上的应力或应变,随时监视它们的变化.此时若仍用上述算法,是绕道的. ...     

《人工智能计算力学》专辑序言

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...     

聚合物材料SHPB实验关键问题

分离式霍普金森压杆(SHPB)广泛用于测量聚合物材料在高应变率下的动态力学行为.但是由于聚合物材料本身的低强度、低刚度、低阻抗、低波速等特点,使得SHPB动态试验相比其他材料更加复杂.论文较为详细地综述了聚合物材料SHPB实验技术中的应力应变计算、脉冲整形技术、动态应力平衡、摩擦与惯性效应、试件与波导杆的选择、碰撞速度与应变率关系、最大常应变率的确定等关键问题及其进展.理解这些关键问题并且采用目前较好的方法,对于获得聚合物材料有效和准确的高应变率力学特性具有重要意义.     

A simplified circular function–based gas kinetic scheme for simulation of incompressible flows

In this paper, the circular function–based gas kinetic scheme (GKS), which is often applied for simulation of compressible flows, is simplified to improve computational efficiency for simulation of incompressible flows. In the original circular function–based GKS, the integral domain along the circle for computing conservative variables and numerical fluxes is usually not symmetric at the cell interface. This leads to relatively complicated formulations for computing the numerical flux at the cell interface. As shown in this work, for incompressible flows, the circle at the cell interface can be approximately considered to be symmetric. As a consequence, the simple expressions for calculation of conservative variables and numerical fluxes at the cell interface can be obtained, and computational efficiency is greatly improved. In the meanwhile, like the original circular function–based GKS, the discontinuity of conservative variables and their derivatives at the cell interface is still kept in the present scheme to keep good numerical stability at high Reynolds numbers. Several numerical examples, including decaying vortex flow, lid‐driven cavity flow, and flow past a stationary and rotating circular cylinder, are tested to validate the accuracy, efficiency, and stability of the present scheme.     

一种基于莫顿码及镜像编码的平衡八叉树模型

在接触分析和动画模拟等网格规模庞大、需要实时更新的应用场景下,普遍采用莫顿码实现包围盒层次树结构的快速重构。但现有的层次树由于结构平衡性差,普遍存在搜索效率不稳定的问题,为此本文在莫顿码法的基础上提出了一种兼顾构建与搜索效率的平衡八叉树模型BOT树(Balanced Octree)。设计了镜像编码来保证树的上层节点均有8个分支,且同层树节点所含三角面数之差不超过1。实际算例表明,BOT树与现有模型OIOT树在CUDA并行框架下对比,构建加速比最高可达1.29×,且网格规模越大,BOT树构建效率的优势越明显。同时,与OIOT树相比BOT树的筛除率更高,在凸体接触和边缘接触算例中加速比分别达到1.13×和1.06×。     

基于分区加速和总体共轭梯度法的耦合界面数据传递问题研究

对于耦合动力学问题的分析过程,在界面上需频繁进行数据交换。为此,基于紧支径向基函数和多项式基函数推导了界面数据传递的插值算法,给出了传递矩阵的具体形式。通过分析时间复杂度,找出该算法在大节点量时效率不高的原因在于径向基矩阵的构造和传递矩阵的计算。为加快径向基矩阵的构造速度,提出分区加速处理以提高相关节点的搜索效率;为避免传递矩阵求解过程中的求逆运算,将其转化为多右端项的大型稀疏对称线性方程组问题,引入多右端项的总体共轭梯度迭代方法求解,并讨论了初始估计矩阵的选取方法。数值算例结果表明,结合使用分区加速原理和总体共轭梯度迭代方法,可在不损失插值精度的前提下显著提高求解效率。     

A mode split,Godunov‐type model for nonhydrostatic,free surface flow

A previously developed model for nonhydrostatic, free surface flow is redesigned to improve computational efficiency without sacrificing accuracy. Both models solve the Reynolds averaged Navier–Stokes equations in a fractional step manner with the pressure split into hydrostatic and nonhydrostatic components. The hydrostatic equations are first solved with an approximate Riemann solver. The hydrostatic solution is then corrected by including the nonhydrostatic pressure and requiring the velocity field to obey the incompressibility constraint. The original model requires the solution of a Riemann problem at every cell face for each vertical layer of cells, which is computationally expensive. The redesigned model instead solves the shallow water (long wave) equations for the hydrostatic solution. Vertical shear is computed by subtracting the shallow water equations from the full three dimensional equations, which removes the hydrostatic thrust terms. Therefore, the required fluxes may be more efficiently computed with velocity based upwind differencing rather than solving a Riemann problem in each vertical layer of cells. This approach is termed mode splitting and has been used in hydrostatic coastal and ocean circulation models, but not surf zone models. Numerical predictions are compared with analytical solutions and experimental data to show that the mode split model is as accurate as the original model, but requires significantly less computational effort especially for large numbers of cell layers. Published 2014. This article is a U.S. Government work and is in the public domain in the USA.     

三维弹塑性接触边界元网络并行解法

给出三维弹塑性接触边界元网络并行解法及C语言源程序。借助于网络中的两台微机对宽犀比为200的板带轧制过程进行了数值模拟，与原单机上运行的传统串行计算方法相比，在确保数值精度条件下，缩短计算时间，提高了计算效率。     

一种改进的LLL模糊度规约算法

整周模糊度的高效解算是GNSS高精度数据处理中的关键,基于格论进行GNSS模糊度估计时需要通过格基规约来实现最优整周模糊度向量的快速搜索。针对高维情况下常规LLL规约算法辅助整周模糊度解算存在规约耗时较长和规约性能有限的问题,引入最小列旋转QR分解技术对基向量进行预排序,采用延后尺度规约和部分尺度规约来减少规约过程中的冗余尺度规约,以改善LLL算法的执行效果。分别通过模拟和实测数据进行实验,结果表明:改进后的LLL算法可以明显降低格基规约耗时,实测环境下其规约效率相比于传统方法提高了约10倍,且能够保证较好的规约性能,从而有效提升高维模糊度的解算效率。     

三维非结构网格DSMC方法的实现及其应用

研究了三维非结构网格DSMC方法实现的过程。将Bird位置元方案中的子网格思想引入到非结构网格上来,只存储子网格的总体标识号,利用较少的计算网格提高了分子的分辨率与计算精度。提出了将体积元坐标搜索算法与交替数字二叉树搜索算法(ADT)相结合的方法来跟踪模拟分子在网格之间的迁移,使用ADT方法判别分子与物面是否作用,避免了分子表面反射的非确定论判据。利用Fortran 90的动态分配内存技术编制了通用计算程序。最后对高超声速过渡流域航天飞机头部外形绕流进行了数值模拟,数值结果初步验证了算法的可行性。     

基于数据驱动的流场控制方程的稀疏识别

利用有限数据建立系统的非线性动力学模型是具有挑战性的重要课题. 数据驱动的稀疏识别方法是近年来发展的从数据识别动力系统控制方程的有效方法. 本文基于数据驱动稀疏识别方法对不同流场的控制方程进行了识别. 采用非线性动力学偏微分方程函数识别(partial differential equations functional identification of nonlinear dynamics, PDE-FIND)方法和最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)方法对二维圆柱绕流、顶盖驱动方腔流、Rayleigh-Bénard (RB)对流和三维槽道湍流的控制方程进行了识别. 在稀疏识别过程中, 采用直接数值模拟得到的流场数据来计算过完备候选库中的每一项, 候选库中变量最高保留到二次, 变量导数最高保留到二阶, 非线性项最高保留到四阶. 结果发现PDE-FIND方法和LASSO方法对于不含有非线性项的控制方程, 如涡量输运方程、热输运方程和连续性方程, 都能准确识别. 对于含有强非线性项的控制方程, 如Navier-Stokes方程的识别, PDE-FIND方法正确地识别出了控制方程及流场的Rayleigh数和Reynolds数, 而LASSO方法识别结果不正确, 这是因为候选库中的项之间存在分组效应, LASSO方法通常只取分组中的一项. 本文还发现选择流动结构丰富的区域的数据进行控制方程的稀疏识别可以提高识别的准确性.      

Towards High Performance Digital Volume Correlation

We develop speed and efficiency improvements to a three-dimensional (3D) digital volume correlation (DVC) algorithm, which measures displacement and strain fields throughout the interior of a material. Our goal is to perform DVC with resolution comparable to that achieved in 2D digital image correlation, in time that is commensurate with the image acquisition time. This would represent a significant improvement over the current state-of-the-art available in the literature. Using an X-ray micro-CT scanner, we can resolve features at the 5 micron scale, generating 3D images with up to 36 billion voxels. We compute twelve degrees-of-freedom at each correlation point and utilize tricubic spline interpolation to achieve high accuracy. We improve the algorithm’s speed and robustness through an improved coarse search, efficient implementation of spline interpolation, and using smoothing splines to address noisy image data. For DVC, the volume of data, number of correlation points, and work to solve each correlation point grow cubically. We therefore employ parallel computing to handle this tremendous increase in computational and memory requirements. We demonstrate the application of DVC using simulated deformations of 3D micro-CT scans of polymer samples with embedded particles forming an internal pattern.