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.      

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。     

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,论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...     

人工智能在复合材料研究中的应用

复合材料以其轻质高强高模、可设计性强等优点成为结构轻量化的重要用材. 然而, 随着复合材料组分、结构以及性能需求的日益复杂化, 以实验观测、理论建模和数值模拟为主体的传统研究范式, 在复合材料力学性能分析、设计和制造等方面遇到了新的科学问题与技术瓶颈. 其中, 实验观测不足、理论模型缺乏、数值分析受限、结果验证困难等问题在一定程度上制约了先进复合材料在面向未来工程领域中应用的发展. 人工智能方法以数据驱动的模型替代传统研究中的数学力学模型, 直接由高维高通量数据建立变量间的复杂关系, 捕捉传统力学研究方法难以发现的规律, 在复杂系统的分析、预测、优化方面拥有与生俱来的优势. 而通过人工智能赋能来寻求复合材料中传统研究方法所面临难题的新的解决方案, 目前已成为复合材料研究领域的发展趋势. 本文综述并评价了人工智能方法在复合材料性能预测、优化设计、制造检测及健康监测等方面的研究进展, 并对未来发展方向进行了探讨和展望.      

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.     

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...     

MECHANICAL MODEL OF CASING CUTTING IN DEEPWATER

针对深水套管切割力学模型单一、切割泵冲选择困难等问题, 利用长杆铣削模型, 建立了深水套管切割力学模型, 计算出钻柱切割扭矩和切割允许的最大泵冲, 得出了切割扭矩占井口驱动扭矩的比例与作业水深之间的关系, 对深水弃井作业中套管割断判断指标的形成具有指导意义. 结合南海某两口井套管切割的现场数据, 验证了模型的正确性, 其计算结果可以为深水弃井作业中合理的泵冲参数选择提供理论参考, 为深水弃井作业提供技术保证, 进一步提高切割效率, 具有很好的应用价值.     

基于流形切空间插值的折叠翼参数化气动弹性建模

变体飞行器的气动弹性力学建模是当前先进飞行器设计的研究热点和难点.然而传统的气动弹性动力学建模方法对于具有结构参变特性的变体飞行器气动弹性力学研究存在建模效率低、计算复杂等问题.本研究提出了一种基于流形切空间插值的可折叠式变体机翼参数化气动弹性建模方法.首先,该方法建立若干个典型折叠角下的折叠翼结构有限元模型,通过流形...     

基于深度强化学习算法的颗粒材料应力?应变关系数据驱动模拟研究

颗粒材料的宏观力学行为受颗粒组分等材料参数, 孔隙率、配位数等状态参数的影响, 同时又具备复杂的加载路径和加载历史相关性, 建立包含多个内变量以及各变量间相互关联的颗粒材料本构模型是一个重要的科学难题. 不同于传统的基于屈服面、流动法则和硬化函数框架下的唯象本构模型, 本文基于颗粒物质力学的研究基础, 以颗粒材料平均孔隙率、细观组构参数和弹性刚度参数作为内变量, 结合深度学习方法建立以有向图表征的数据本构模型. 有向图中以不同的链接网络表示不同的内变量信息流动方向, 各个内变量间的映射关系采用循环神经网络来建立, 将各个神经网络相互组合, 形成包含不同内变量且具有不同预测能力的本构模型. 该本构模型的建立过程等价于在众多可能的内变量链接关系空间中寻找最能描述实际材料宏观应力应变行为的优化问题. 因此, 可将有向图本构模型的建立过程看作“马尔可夫决策过程”, 采用深度强化学习算法构建有向图的内变量链接组合优化过程, 具体采用AlphaGo Zero算法自动寻找最优的颗粒材料数据驱动本构模型建模路径. 研究结果表明, 采用有向图和深度强化学习算法可建立起完全依靠“数据驱动”的颗粒材料应力?应变关系. 此外, 本方法提供了一种将不同理论模型从数据角度统一起来, 且基于人工智能算法发展更优模型的研究思路, 可为相似问题的研究提供借鉴.      

代数系统Maple在力学教学中的应用探讨

计算机代数系统在力学教学中应用非常普遍. 摘录Maple在理论力学、材料力学、弹性 力学和有限元中的应用, 以简便地完成模型求解和结果处理. 并扩展到备课、讲课和 课后作业演练等环节, 提供最大限度地计算支持. 将其引入力学教学, 引导和培养学生利用数学工具的习惯和能力, 强化算 法设计和程序的通用性和灵活性, 为处理复杂问题提供帮助.     

土水特征曲线(SWCC)的滞回特性模拟研究

为了模拟非饱和土的水力、力学特性在多次降雨、蒸发过程中的变化特性,本文以传统域模型的基本原理为基础,推到得到了一个能够模拟SWCC滞后性的计算模型,该模型计算方法简单,易于通过程序实现,且通过与试验数据和其他模型的计算结果对比,验证了该模型的合理性,同时,这个模型可为研究在复杂吸力变化状态下非饱和土的渗流特性、强度特性以及本构模型的研究打下一定的基础。     

混合驱动水下滑翔机水动力参数辨识

与传统水下滑翔机相比,混合驱动水下滑翔机可以分别利用头部的浮力驱动单元和机身尾部的螺旋桨推进单元进行驱动从而实现不同形式的运动,具备低功耗、长航程、良好机动性等特点,具有广泛的应用前景. 准确的动力学模型以及精确的水动力参数是实现混合驱动水下滑翔机控制系统设计以及精确导航的基础. 在混合驱动水下滑翔机动力学模型已知的前提下获得准确的水动力参数是本文主要研究的问题. 本文以天津大学研制的混合驱动水下滑翔机“海燕” 作为研究对象,提出一种在有限航行参数条件下,基于大数据统计分析的计算流体力学(computational fluid dynamics, CFD) 和参数辨识相结合来获取混合驱动水下滑翔机的水动力参数的方法. 即首先建立滑翔机的动力学模型,推导出稳态数据与所求水动力参数的关系;然后采用CFD 的方法得到其升力系数,根据大量稳态纯滑翔实验数据,结合大数据统计分析,辨识出其剩余水动力参数;最后,根据混合驱动模式下的实验数据辨识出与螺旋桨相关的参数,从而得到其整套的水动力参数. 该方法不仅结合了CFD 方法具有获取复杂外形结构航行水动力的特点,而且可以有效利用大量现场实验数据,因而能够更加准确地辨识其实际运动. 通过运动仿真与试验对比,验证了该辨识方法的正确性和有效性,对滑翔机的研究具有指导意义.      

Casimir力和静电力驱动下同轴圆柱管模型的GHz振动

提出了一种双层同轴圆柱管振动的力学模型，并用连续介质力学的方法分析了该模型分别在Casimir力和 静电力驱动下的振动特性. 计算结果表明，在理想情况下，如果模型管间距达到1纳米量级， Casimir力和静电力有可能驱动该模型达到GHz甚至更高量级频率的振动，这说明Casimir 力和静电力驱动GHz的振动具有理论上的可行性.     

基于深度神经网络的横流转捩预测

基于深度神经网络DNN构建了从层流流场无量纲速度梯度、流向涡强度等物理量到横流转捩模态下间歇因子间的映射关系,获得一种新的数据驱动转捩模型.通过将数据驱动转捩模型与SST k-ω湍流模型耦合,有效简化了转捩模型输运方程求解,实现高效、准确的亚音速三维边界层横流转捩流场计算. DNN训练数据来自变雷诺数的NLF(2)-0415无限展长后掠翼计算结果,并以两种工况进行测试,数据驱动转捩模型预测精度与γ-Reθ转捩模型近似.将数据驱动转捩模型用于其他典型横流转捩算例的计算,以验证其泛化能力.对于变后掠角的NLF(2)-0415后掠翼,数据驱动转捩模型与γ-Reθt-CF模型预测的转捩位置几乎一致,并且能够预测出后掠角从45°增长到65°的过程中,转捩位置先向前再向后移动的现象;对于标准椭球体,使用低分辨率网格进行计算,数据驱动转捩模型依然能够实现转捩位置预测,对椭球体表面Cf的计算结果与多个平台的横流转捩模型、实验结果基本一致.研究表明,以横流转捩相关物理量作为输入对DNN进行训练,并将获得的数据驱动转捩模型与SST k-ω湍流模型耦合,可以实现对横流转捩的有效预测,且具有较强的泛化能力.数...     

基于机器学习软骨细胞的时间依赖性力学行为及本构参数反演

探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要. 基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性, 本文提出了分别利用双向深度神经网络TW-Deepnets模型和随机森林RF模型并结合有限元方法来识别软骨细胞本构参数的两种反演方法. 首先, 建立了软骨细胞的无侧限压缩实验有限元模型, 收集MSnHS本构参数空间点与对应的有限元计算模型的压缩反作用力响应数据集. 其次, 结合贝叶斯超参数优化算法搭建了用于软骨细胞本构参数反求的TW-Deepnets模型和RF模型, 对有限元收集的数据进行训练, 并利用单个软骨细胞受到50%压缩程度下的实验数据对软骨细胞的MSnHS本构参数进行了反求. 最后, 通过与实验曲线的对比验证了所提出的反演方法的有效性, 并引入决定系数R2对两种模型的预测准确性进行了对比评估, 检验了模型对各本构参数的预测性能, 分析了MSnHS本构模型中各参数影响软骨细胞力学响应的重要性占比. 结果表明, 本研究提出的本构参数反演方法能够有效获取软骨细胞的本构参数值, 从而准确描述软骨细胞的时间依赖性力学特性, 该方法也可进一步推广到生物细胞在静态或动态负载条件下的复杂参数反演问题.      

基于非线性状态空间辨识的气动弹性模型降阶

高维、非线性气动弹性系统的模型降阶是当前气动弹性力学与控制领域的研究热点之一.然而国内外现有的非线性模型降阶方法仍存在辨识算法复杂、精度有待提高等问题.本研究提出了一种基于非线性状态空间辨识的跨音速气动弹性模型降阶方法. 首先,该方法基于非定常空气动力的单位脉冲响应数据,采用特征系统实现算法对非线性状态空间模型的线性动力学部分进行系统辨识. 其次,引入状态和控制输入的非线性函数, 采用优化算法对非线性函数的系数矩阵进行优化,进而得到考虑非线性效应的空气动力降阶模型.为了验证该降阶模型在预测跨音速气动弹性力学行为的精确性,本文以三维机翼为研究对象,分别从基于非线性降阶模型的气动力辨识、跨声速颤振边界计算和极限环振荡预测三方面进行了算例验证,并与现有的模型降阶方法进行了对比, 进一步说明本文所提出方法的有效性.研究结果表明, 该降阶模型对上述三类问题的计算精度与直接流-固耦合方法相吻合,可用于高效预测飞行器跨声速气动弹性力学行为.      

基于非线性状态空间辨识的气动弹性模型降阶

高维、非线性气动弹性系统的模型降阶是当前气动弹性力学与控制领域的研究热点之一.然而国内外现有的非线性模型降阶方法仍存在辨识算法复杂、精度有待提高等问题.本研究提出了一种基于非线性状态空间辨识的跨音速气动弹性模型降阶方法.首先,该方法基于非定常空气动力的单位脉冲响应数据,采用特征系统实现算法对非线性状态空间模型的线性动力学部分进行系统辨识.其次,引入状态和控制输入的非线性函数,采用优化算法对非线性函数的系数矩阵进行优化,进而得到考虑非线性效应的空气动力降阶模型.为了验证该降阶模型在预测跨音速气动弹性力学行为的精确性,本文以三维机翼为研究对象,分别从基于非线性降阶模型的气动力辨识、跨声速颤振边界计算和极限环振荡预测三方面进行了算例验证,并与现有的模型降阶方法进行了对比,进一步说明本文所提出方法的有效性.研究结果表明,该降阶模型对上述三类问题的计算精度与直接流-固耦合方法相吻合,可用于高效预测飞行器跨声速气动弹性力学行为.     

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).      

基于数据驱动的增材制造铝合金的疲劳寿命预测

增材制造金属材料的疲劳损伤及寿命预测问题是当前研究的热点.论文以增材制造AlSi10Mg为典型应用对象,采用数据驱动方法开展疲劳寿命预测,考虑到其疲劳试验数据有限,采用经过试验验证的可靠的理论模型和数值计算方法来获取足够的疲劳数据,以弥补试验数据的不足.首先,提出了基于缺陷特征参数的疲劳损伤模型,其次,建立了理论模型的数值实现方法,并将数值计算结果与试验结果进行对比,验证了所提方法的可靠性.然后,开展数据驱动模型的训练与预测,采用K最近邻的数据驱动算法预测了增材制造AlSi10Mg的疲劳寿命,最后,深入分析了疲劳寿命随增材制造内部缺陷、疲劳载荷的变化规律,研究了数据驱动模型的训练数据量及模型参数对预测精度的影响.