文献类型：期刊文章

作　　者：冯易鑫[1,2] 彭辉[1,2] 罗威[1,2]

Feng Yixin;Peng Hui;Luo Wei(Hubei Key Laboratory of Hydropower Engineering Construction and Management,China Three Gorges University,Yichang 443002,Hubei,China;Department of Engineering Mechanics,College of Hydraulic&Environmental Engineering,China Three Gorges University,Yichang 443002,Hubei,China)

机构地区：[1]三峡大学湖北省水电工程施工与管理重点实验室,湖北宜昌443002 [2]三峡大学水利与环境学院工程力学系,湖北宜昌443002

出　　处：《力学学报》

基　　金：国家重点研发计划(2022YFC3005603-01);湖北省自然科学基金(2024AFB291);安徽省自然科学基金(2308085US02)资助项目.

年　　份：2024

卷　　号：56

期　　号：11

起止页码：3333-3350

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、EI、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：目前针对非均质复合材料参数的正逆向识别尚面临正向计算成本高和逆向识别泛用性低的难题.数据驱动的计算均匀化方法可以一方面利用数据科学的先进算法降低控制方程的变量数目,另一方面建立复合材料设计结构与等效参数的联系,从而显著提升计算效率并挖掘参数间的内在关联.文章采用数据驱动的聚类分析方法(self-consistent clustering analysis,SCA),依据各网格点的应变集中张量进行聚类划分,并在聚类区域上求解离散的Lippmann-Schwinger方程,在极大程度降低计算自由度的同时,高效获取等效模量、热膨胀系数、热导率等参数.然而SCA法在处理大量不同结构工况时效率略显不足,进一步利用人工神经网络方法(artificial neural network,ANN)作为代理模型加速计算,实现不同工况下等效参数的快速预测.针对于逆向识别非均质材料和结构的反问题,则结合贝叶斯优化(Bayesian optimization)方法,在给定的等效参数下反向识别最优化的材料和几何结构,形成聚类分析-神经网络-贝叶斯优化的联合识别框架.以超导EAS股线和颗粒增强复合材料为例,进行联合识别框架与已有实验和数值结果的对比分析,继而从计算精度、求解效率、模型超参数选取、敏感度分析和反向验证等方面进行深入研究,探讨建立的聚类分析-神经网络-贝叶斯优化框架的优势和不足,以期为发展精度较高和适用范围较广的复合材料参数识别方法提供思路和参考.

关 键 词：数据驱动计算力学  计算均匀化  聚类分析 神经网络 贝叶斯优化  

分 类 号：TB303[材料类]