CN115116567A - 数据驱动的无本构模型材料实验应力识别方法及系统 - Google Patents

数据驱动的无本构模型材料实验应力识别方法及系统 Download PDF

Info

Publication number
CN115116567A
CN115116567A CN202210737380.1A CN202210737380A CN115116567A CN 115116567 A CN115116567 A CN 115116567A CN 202210737380 A CN202210737380 A CN 202210737380A CN 115116567 A CN115116567 A CN 115116567A
Authority
CN
China
Prior art keywords
stress
data
strain
data points
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210737380.1A
Other languages
English (en)
Inventor
何霁
郭聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202210737380.1A priority Critical patent/CN115116567A/zh
Publication of CN115116567A publication Critical patent/CN115116567A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明提供了一种数据驱动的无本构模型材料实验应力识别方法及系统，包括如下步骤：通过DIC获取试样测量区域位移场和载荷边界条件；根据位移场计算应变场；根据应变场划分集群，建立单元和数据点的初始映射；定义能量偏差优化目标函数和节点平衡约束条件；通过拉格朗日乘子法建立线性方程组；根据映射关系求解线性方程组，更新数据点和单元应力；根据单元和数据点应力应变状态更新映射关系；判断映射关系是否达到收敛；输出应力应变数据点和单元应力。本发明可以直接通过位移场和载荷边界条件获得测量区域的应力场，无需先验的材料本构模型；同时可以通过简单的实验条件生成大量材料应力应变数据点，满足数据驱动算法的需求。

Description

数据驱动的无本构模型材料实验应力识别方法及系统
技术领域
本发明涉及数据驱动计算技术领域，具体地，涉及数据驱动的无本构模型材料实验应力识别方法及系统，尤其是通过DIC的位移场及载荷边界条件获取应力场同时得到大量应力应变数据集的方法。
背景技术
有限元法是当今技术科学发展和工程分析中应用最为广泛的数值模拟方法，是计算机辅助工程和数值仿真的重要组成部分。材料的本构模型用来描述加载过程中应力和应变的关系，是传统有限元法中的关键理论基础之一。随着材料科学的发展，材料的微观组织越来越精细，力学行为也越来越复杂，建立一个能够准确描述材料力学行为的本构模型非常困难。传统的唯象本构模型与材料的实际力学行为往往会存在难以避免的差异，这会给结构的仿真分析带来一定的系统偏差。另一方面，唯象本构模型一般具有多个模型参数，需要通过实验对模型参数进行标定，参数标定过程又会导致新的偏差，这对仿真分析结果的可靠性造成了进一步的制约。
数据驱动的计算力学方法是近年来新兴的一种不依赖于材料本构模型的数值求解范式，在计算力学领域获得了广泛的关注。该方法直接从实验所获得的材料数据集出发，结合相容性条件和平衡方程等约束条件，通过对系统自由能的最小化，获取系统平衡状态的最优解。数据驱动的计算力学方法在近年来得到快速的发展和完善，相关理论体系已扩展至粘弹性、弹塑性及动力学等问题。该方法无需建立材料的唯象本构模型，可直接通过材料的离散应力应变数据点求解结构的力学响应，能够从根本上避免唯象本构模型及材料参数标定所带来的系统偏差。而另一方面，该方法需要大量的材料应力应变数据来保证求解精度，应力应变数据集的获取也成为数据驱动的计算力学方法中的一个关键问题。
数字图像相关(Digital Image Correlation,DIC)技术是目前材料领域广泛采用的测量应变场的方法，在试样变形区域表面喷涂随机散斑，测试过程中对散斑区域进行实时图像采集，通过对比变形前后的散斑分布状态，可以获取测量区域的位移场及应变场。通过DIC技术可以快速获得材料大量的应变数据，但另一方面，应力数据的获取则具有很大的困难。对于形状简单的测试试样，测量区域内的应力近似呈均匀分布，因此只能获取特定路径下的很窄范围的材料应力数据，无法满足数据驱动的计算需求。对于形状复杂的测试试样，传统的方法无法直接得到测试过程中试样的应力场分布，需要结合有限元方法对试样的加载过程进行数值模拟。一方面该方法需要材料先验的本构模型，本构模型的引入又会导致新的系统偏差；另一方面方法流程过于繁琐，需要进行多次参数标定过程才能复现试样的应变场及应力场，难以快速生成大量的材料数据。因此，亟需一种不依赖于先验本构模型的材料应力识别方法，通过简单的实验条件快速生成大量材料数据，以满足数据驱动计算方法的需求。
公开号为CN105740541A的专利文献公开了一种基于结构动力学模型修正的预应力识别方法，涉及预紧结构的预应力识别，建立结构的有限元模型；将固支或简支等边界条件转化为三个或两个方向的弹簧支承，同时施加轴向预应力；通过商用有限元软件计算结构的固有频率和固有振型；实验模态分析技术测试并识别得到结构的固有频率和固有振型；基于模型修正技术同时识别边界的弹簧支承刚度和预应力。但是该专利文献仍然存在需要依赖于材料本构模型的缺陷。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种数据驱动的无本构模型材料实验应力识别方法及系统。
根据本发明提供的一种数据驱动的无本构模型材料实验应力识别方法，包括如下步骤：
步骤1：通过DIC获取试样测量区域位移场和载荷边界条件；
步骤2：根据位移场计算应变场；
步骤3：根据应变场划分集群，建立单元和数据点的初始映射；
步骤4：定义能量偏差优化目标函数和节点平衡约束条件；
步骤5：通过拉格朗日乘子法建立线性方程组；
步骤6：根据映射关系求解线性方程组，更新数据点和单元应力；
步骤7：根据单元和数据点应力应变状态更新映射关系；
步骤8：判断映射关系是否达到收敛，若是，则进行步骤9，若否，则回到步骤6；
步骤9：输出应力应变数据点和单元应力。
优选的，所述步骤1具体为：通过DIC获取加载过程中不同时刻试样测量区域的位移场分布，同时通过拉伸试验机记录对应时刻的载荷边界条件。
优选的，所述步骤2中，单元应变场εe的计算公式如下：
Figure BDA0003716389680000031
式中，uj为测量区域内所有节点的节点位移，fj通过拉伸试验机的载荷边界条件获得所有节点的节点力，Bej是单元e在节点j处的应变微分矩阵。
优选的，所述步骤3具体为：基于单元应变场，通过K-means聚类算法对试样测量区域的单元划分集群，建立单元和数据点的初始映射关系。
优选的，所述步骤4具体为：以单元与所映射数据点的能量偏差最小作为优化目标，以节点的平衡方程作为约束条件，将应力识别问题转换为约束条件下的目标函数优化问题。
优选的，所述步骤5具体为：利用拉格朗日乘子法求解约束条件下的目标函数优化问题，通过对拉格朗日函数求极值点，获得关于应变数据点、应力数据点、单元应力和节点拉格朗日乘子的线性方程组。
优选的，所述步骤6具体为：根据单元与数据点的映射关系，求解线性方程组，更新应变数据点、应力数据点、单元应力和节点拉格朗日乘子。
优选的，所述步骤7具体为：根据单元和数据点的应力应变状态，更新单元和数据点的映射关系，将单元重新映射到能量偏差最小的数据点。
优选的，所述步骤8具体为：重复步骤6～7，直到单元和数据点的映射关系不再变化，得到最终的应变数据点、应力数据点和单元应力。
本发明还提供一种数据驱动的无本构模型材料实验应力识别系统，包括如下模块：
模块M1：通过DIC获取试样测量区域位移场和载荷边界条件；
模块M2：根据位移场计算应变场；
模块M3：根据应变场划分集群，建立单元和数据点的初始映射；
模块M4：定义能量偏差优化目标函数和节点平衡约束条件；
模块M5：通过拉格朗日乘子法建立线性方程组；
模块M6：根据映射关系求解线性方程组，更新数据点和单元应力；
模块M7：根据单元和数据点应力应变状态更新映射关系；
模块M8：判断映射关系是否达到收敛，若是，则进行模块M9，若否，则回到步模块M6；
模块M9：输出应力应变数据点和单元应力。
与现有技术相比，本发明具有如下的有益效果：
1、本发明的方法可以通过DIC测量的位移场及载荷边界条件，快速识别测量区域的应力场，无需先验的本构模型；
2、本发明的方法可适用于识别各类复杂形状试样中非均匀的应力场分布，同时无需对加载过程进行数值模拟；
3、本发明的方法可以快速生成多种加载路径下的大量材料应力应变数据，满足数据驱动计算方法的需求。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明的数据驱动的无本构模型材料实验应力识别方法的步骤流程图；
图2为采用有限元方法生成的开孔板结构位移场示意图；
图3为采用本发明的方法识别的开孔板结构应力场示意图；
图4为采用有限元方法获得的开孔板结构应力场示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1：
如图1所示，本实施例提供一种数据驱动的无本构模型材料实验应力识别方法，包括如下步骤：
步骤1：通过DIC获取试样测量区域位移场和载荷边界条件；通过DIC获取加载过程中不同时刻试样测量区域的位移场分布，同时通过拉伸试验机记录对应时刻的载荷边界条件。
步骤2：根据位移场计算应变场；单元应变场εe的计算公式如下：
Figure BDA0003716389680000041
式中，uj为测量区域内所有节点的节点位移，fj通过拉伸试验机的载荷边界条件获得所有节点的节点力，Bej是单元e在节点j处的应变微分矩阵。
步骤3：根据应变场划分集群，建立单元和数据点的初始映射；基于单元应变场，通过K-means聚类算法对试样测量区域的单元划分集群，建立单元和数据点的初始映射关系。
步骤4：定义能量偏差优化目标函数和节点平衡约束条件；以单元与所映射数据点的能量偏差最小作为优化目标，以节点的平衡方程作为约束条件，将应力识别问题转换为约束条件下的目标函数优化问题。
步骤5：通过拉格朗日乘子法建立线性方程组；利用拉格朗日乘子法求解约束条件下的目标函数优化问题，通过对拉格朗日函数求极值点，获得关于应变数据点、应力数据点、单元应力和节点拉格朗日乘子的线性方程组。
步骤6：根据映射关系求解线性方程组，更新数据点和单元应力；根据单元与数据点的映射关系，求解线性方程组，更新应变数据点、应力数据点、单元应力和节点拉格朗日乘子。
步骤7：根据单元和数据点应力应变状态更新映射关系；根据单元和数据点的应力应变状态，更新单元和数据点的映射关系，将单元重新映射到能量偏差最小的数据点。
步骤8：判断映射关系是否达到收敛，若是，则进行步骤9，若否，则回到步骤6；重复步骤6～7，直到单元和数据点的映射关系不再变化，得到最终的应变数据点、应力数据点和单元应力。
步骤9：输出应力应变数据点和单元应力。
实施例2：
本实施例提供一种数据驱动的无本构模型材料实验应力识别系统，包括如下模块：
模块M1：通过DIC获取试样测量区域位移场和载荷边界条件；
模块M2：根据位移场计算应变场；
模块M3：根据应变场划分集群，建立单元和数据点的初始映射；
模块M4：定义能量偏差优化目标函数和节点平衡约束条件；
模块M5：通过拉格朗日乘子法建立线性方程组；
模块M6：根据映射关系求解线性方程组，更新数据点和单元应力；
模块M7：根据单元和数据点应力应变状态更新映射关系；
模块M8：判断映射关系是否达到收敛，若是，则进行模块M9，若否，则回到步模块M6；
模块M9：输出应力应变数据点和单元应力。
实施例3：
本领域技术人员可以将本实施例理解为实施例1、实施例2的更为具体的说明。
本实施例提供了一种数据驱动的无本构模型材料实验应力识别方法，主要包括以下步骤：
步骤1：通过DIC获取测试区域的位移场和载荷边界条件，建立单元到数据点的初始映射；
步骤2：定义能量偏差目标函数和节点平衡约束条件，通过拉格朗日乘子法实现约束条件下的目标函数最小化，建立线性方程组；
步骤3：根据单元和数据点的映射关系求解方程组，根据单元和数据点应力应变状态更新映射关系，通过迭代使映射关系达到收敛，获得最终的应力应变数据点和单元应力。
本实施例的方法可以直接通过位移场和载荷边界条件获得测量区域的应力场，无需先验的材料本构模型，同时可以通过简单的实验条件生成大量材料应力应变数据点，满足数据驱动算法的需求。
实施例4：
本领域技术人员可以将本实施例理解为实施例1、实施例2的更为具体的说明。
本实施例提供一种数据驱动的应力识别方法，通过DIC测量的位移场及加载过程中的载荷边界条件，快速识别测量区域的应力场，同时生成大量的材料应力应变数据，满足数据驱动计算方法的需求。
本实施例的方法通过以下技术方案实现：
步骤1：通过DIC获取加载过程中不同时刻试样测量区域的位移场分布，同时通过拉伸试验机记录对应时刻的载荷边界条件；
步骤2：根据位移场分布获得单元应变场分布；
步骤3：基于单元应变场，通过K-means聚类算法对测量区域的单元划分集群，建立单元和数据点的初始映射关系；
步骤4：以单元与所映射数据点的能量偏差最小作为优化目标，以节点的平衡方程作为约束条件，将应力识别问题转换为约束条件下的目标函数优化问题；
步骤5：利用拉格朗日乘子法求解约束条件下的目标函数优化问题，通过对拉格朗日函数求极值点，获得关于应变数据点、应力数据点、单元应力和节点拉格朗日乘子的线性方程组；
步骤6：根据单元与数据点的映射关系，求解以上线性方程组，更新应变数据点、应力数据点、单元应力和节点拉格朗日乘子；
步骤7：根据单元和数据点的应力应变状态，更新单元和数据点的映射关系，将单元重新映射到能量偏差最小的数据点；
步骤8：重复步骤6～7，直到单元和数据点的映射关系不再变化，得到最终的应变数据点、应力数据点和单元应力。
实施例5：
本领域技术人员可以将本实施例理解为实施例1、实施例2的更为具体的说明。
如图1所示，本实施例提供一种数据驱动的应力识别方法，主要包括以下几个步骤：
步骤1：通过DIC获得测量区域内所有节点的节点位移uj，通过拉伸试验机的载荷边界条件获得所有节点的节点力fj。
步骤2：根据节点位移场uj计算单元应变场εe：
Figure BDA0003716389680000071
其中，Bej是单元e在节点j处的应变微分矩阵。
步骤3：基于单元应变场εe，利用K-means聚类算法为测量区域的单元划分初始集群，每个集群对应一个数据点，根据集群建立单元和数据集的初始映射：
s(e)＝i(2)
其中，e代表测量区域的第e个单元，i代表数据集的第i个数据点，s代表单元到数据点的映射关系。
步骤4：将应力识别问题看作约束条件下的优化问题，优化目标是使单元的应变应力状态(εe,σe)与所映射数据点的应变应力状态
Figure BDA0003716389680000072
最为接近；
将目标函数定义为单元与所映射数据点的能量偏差，目标函数E可以表示为以下形式：
Figure BDA0003716389680000073
其中，ωe为单元的面积，Ce和
Figure BDA0003716389680000074
分别为自定义的刚度矩阵和柔度矩阵；
约束条件为节点的平衡方程：
Figure BDA0003716389680000081
步骤5：通过拉格朗日乘子法求解上述约束条件下的优化问题，建立线性方程组；
包含约束条件的拉格朗日函数可表示为：
Figure BDA0003716389680000082
在拉格朗日函数F中，优化变量包括应变数据点
Figure BDA0003716389680000083
应力数据点
Figure BDA0003716389680000084
单元应力σe和节点拉格朗日乘子ηj；
对拉格朗日函数F求极小值点，令F对各变量的偏导数为零，可以获得关于应变数据点
Figure BDA0003716389680000085
应力数据点
Figure BDA0003716389680000086
单元应力σe和节点拉格朗日乘子ηj的线性方程组：
Figure BDA0003716389680000087
Figure BDA0003716389680000088
Figure BDA0003716389680000089
Figure BDA00037163896800000810
步骤6：求解以上线性方程组，更新应变数据点
Figure BDA00037163896800000811
应力数据点
Figure BDA00037163896800000812
单元应力σe和节点拉格朗日乘子ηj；
应变数据点
Figure BDA00037163896800000813
可表示为：
Figure BDA00037163896800000814
其中，Ni为满足条件{e|s(e)＝i}的单元个数；
(7)～(9)式可进一步化简为：
Figure BDA00037163896800000815
Figure BDA00037163896800000816
联立(11)(12)式可解得节点拉格朗日乘子ηj和应力数据点
Figure BDA00037163896800000817
单元应力σe可表示为：
Figure BDA0003716389680000091
步骤7：根据单元应力应变状态(εe,σe)和数据点应力应变状态
Figure BDA0003716389680000092
更新单元和数据点的映射关系s，使单元与数据点的能量偏差最小，即：
Figure BDA0003716389680000093
步骤8：重复步骤6～7，直到单元和数据点的映射关系s不再变化，得到最终的单元应力σe和材料应力应变数据点
Figure BDA0003716389680000094
以开孔板结构为例，对本实施例中的应力识别方法进行验证：
如图2所示，通过有限元方法代替DIC方法生成开孔板结构位移场，开孔板x方向长度50mm,y方向长度36mm，中心圆孔直径10mm，左边缘所有节点固定，右边缘所有节点施加沿X方向的集中力500N，开孔板处于平面应力状态，通过有限元法生成的开孔板位移场如图2所示。
基于本实施例中的方法编写相关程序，利用节点的位移场和载荷边界条件，在MATLAB平台上实现了开孔板结构的应力识别以及应力应变数据点的生成过程。本实施例的方法识别的X方向应力场S11和Y方向应力场S22分布如图3所示。可以发现，对于X方向应力场，在圆孔Y方向两侧出现了明显的应力集中现象，而X方向两侧出现了低应力区。对于Y方向应力场，平均应力水平明显低于X方向应力场，高应力区集中在圆孔Y方向两侧及左右边缘的约束位置附近，这与一般的开孔板在单向拉伸条件下的应力分布特征相符。
为了进一步验证应力识别方法的准确性，在相同的约束条件下通过有限元方法对开孔板的应力分布进行了模拟，有限元方法获得的开孔板应力场分布如图4所示。可以看出，本实施例的方法识别的应力场和有限元方法模拟的应力场分布特征保持一致，应力水平也基本相同，这进一步验证了本专利的应力识别方法的准确性。
本发明可以直接通过位移场和载荷边界条件获得测量区域的应力场，无需先验的材料本构模型；同时可以通过简单的实验条件生成大量材料应力应变数据点，满足数据驱动算法的需求。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种数据驱动的无本构模型材料实验应力识别方法，其特征在于，包括如下步骤：
步骤1：通过DIC获取试样测量区域位移场和载荷边界条件；
步骤2：根据位移场计算应变场；
步骤3：根据应变场划分集群，建立单元和数据点的初始映射；
步骤4：定义能量偏差优化目标函数和节点平衡约束条件；
步骤5：通过拉格朗日乘子法建立线性方程组；
步骤6：根据映射关系求解线性方程组，更新数据点和单元应力；
步骤7：根据单元和数据点应力应变状态更新映射关系；
步骤8：判断映射关系是否达到收敛，若是，则进行步骤9，若否，则回到步骤6；
步骤9：输出应力应变数据点和单元应力。
2.根据权利要求1所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤1具体为：通过DIC获取加载过程中不同时刻试样测量区域的位移场分布，同时通过拉伸试验机记录对应时刻的载荷边界条件。
3.根据权利要求2所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤2中，单元应变场εe的计算公式如下：
Figure FDA0003716389670000011
式中，uj为测量区域内所有节点的节点位移，fj通过拉伸试验机的载荷边界条件获得所有节点的节点力，Bej是单元e在节点j处的应变微分矩阵。
4.根据权利要求3所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤3具体为：基于单元应变场，通过K-means聚类算法对试样测量区域的单元划分集群，建立单元和数据点的初始映射关系。
5.根据权利要求4所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤4具体为：以单元与所映射数据点的能量偏差最小作为优化目标，以节点的平衡方程作为约束条件，将应力识别问题转换为约束条件下的目标函数优化问题。
6.根据权利要求5所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤5具体为：利用拉格朗日乘子法求解约束条件下的目标函数优化问题，通过对拉格朗日函数求极值点，获得关于应变数据点、应力数据点、单元应力和节点拉格朗日乘子的线性方程组。
7.根据权利要求6所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤6具体为：根据单元与数据点的映射关系，求解线性方程组，更新应变数据点、应力数据点、单元应力和节点拉格朗日乘子。
8.根据权利要求7所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤7具体为：根据单元和数据点的应力应变状态，更新单元和数据点的映射关系，将单元重新映射到能量偏差最小的数据点。
9.根据权利要求8所述的数据驱动的无本构模型材料实验应力识别方法，其特征在于，所述步骤8具体为：重复步骤6～7，直到单元和数据点的映射关系不再变化，得到最终的应变数据点、应力数据点和单元应力。
10.一种数据驱动的无本构模型材料实验应力识别系统，其特征在于，包括如下模块：
模块M1：通过DIC获取试样测量区域位移场和载荷边界条件；
模块M2：根据位移场计算应变场；
模块M3：根据应变场划分集群，建立单元和数据点的初始映射；
模块M4：定义能量偏差优化目标函数和节点平衡约束条件；
模块M5：通过拉格朗日乘子法建立线性方程组；
模块M6：根据映射关系求解线性方程组，更新数据点和单元应力；
模块M7：根据单元和数据点应力应变状态更新映射关系；
模块M8：判断映射关系是否达到收敛，若是，则进行模块M9，若否，则回到步模块M6；
模块M9：输出应力应变数据点和单元应力。
CN202210737380.1A 2022-06-27 2022-06-27 数据驱动的无本构模型材料实验应力识别方法及系统 Pending CN115116567A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210737380.1A CN115116567A (zh) 2022-06-27 2022-06-27 数据驱动的无本构模型材料实验应力识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210737380.1A CN115116567A (zh) 2022-06-27 2022-06-27 数据驱动的无本构模型材料实验应力识别方法及系统

Publications (1)

Publication Number Publication Date
CN115116567A true CN115116567A (zh) 2022-09-27

Family

ID=83329493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210737380.1A Pending CN115116567A (zh) 2022-06-27 2022-06-27 数据驱动的无本构模型材料实验应力识别方法及系统

Country Status (1)

Country Link
CN (1) CN115116567A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090113A (zh) * 2022-10-08 2023-05-09 盐城工业职业技术学院 一种块体结构可变节点悬挂单元网格有限元模型
CN116227045A (zh) * 2022-11-23 2023-06-06 北京瑞风协同科技股份有限公司 一种结构试件的局部应力应变场构造方法及系统
CN117056995A (zh) * 2023-10-07 2023-11-14 西北工业大学宁波研究院 柔性薄膜材料共形贴附顺应性分析方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116090113A (zh) * 2022-10-08 2023-05-09 盐城工业职业技术学院 一种块体结构可变节点悬挂单元网格有限元模型
CN116090113B (zh) * 2022-10-08 2023-09-08 盐城工业职业技术学院 一种块体结构可变节点悬挂单元网格有限元模型
CN116227045A (zh) * 2022-11-23 2023-06-06 北京瑞风协同科技股份有限公司 一种结构试件的局部应力应变场构造方法及系统
CN116227045B (zh) * 2022-11-23 2023-10-20 北京瑞风协同科技股份有限公司 一种结构试件的局部应力应变场构造方法及系统
CN117056995A (zh) * 2023-10-07 2023-11-14 西北工业大学宁波研究院 柔性薄膜材料共形贴附顺应性分析方法及系统
CN117056995B (zh) * 2023-10-07 2024-02-02 西北工业大学宁波研究院 柔性薄膜材料共形贴附顺应性分析方法及系统

Similar Documents

Publication Publication Date Title
CN115116567A (zh) 数据驱动的无本构模型材料实验应力识别方法及系统
CN113434921B (zh) 一种考虑介纳观尺度效应的结构等几何拓扑优化方法
US8401827B2 (en) Processing device and method for structure data representing a physical structure
CN112668227A (zh) 一种薄壁件让刀变形误差预测模型建立方法及其应用
JP5266366B2 (ja) ゴム材料のシミュレーション方法
CN112414668B (zh) 一种风洞试验数据静气弹修正方法、装置、设备及介质
CN116305522A (zh) 一种基于数字孪生的飞机结构可靠性仿真试验模型标定方法、设备、介质
CN115408650B (zh) 光刻胶多级串连表征网络的建模、校准、仿真方法和系统
CN115116568A (zh) 加载历史相关的数据驱动多尺度并发模拟方法及系统
Deng et al. Data-driven calibration of multifidelity multiscale fracture models via latent map gaussian process
CN116401907A (zh) 风洞试验数据静气弹修正方法、装置、设备及存储介质
CN110096798B (zh) 一种多状态有限元模型修正的方法
Zhao et al. Machine-learning-assisted multiscale modeling strategy for predicting mechanical properties of carbon fiber reinforced polymers
CN114357546A (zh) 梯度随机点阵/多孔结构多尺度优化设计方法
Ashouri et al. Reduced-order modeling of conductive polymer pressure sensors using finite element simulations and deep neural networks
CN116595827A (zh) 无限维度条带喷丸成形工艺规划方法和系统
CN110083946B (zh) 一种基于无约束优化模型的多状态模型修正的方法
CN109948253B (zh) 薄板无网格Galerkin结构模态分析的GPU加速方法
CN107314938A (zh) 焊核区域材料塑性参数反演识别的实现方法
CN116306075A (zh) 动静态加载下弹塑性变形体的无本构应力识别方法及系统
CN105160069B (zh) 一种基于改进的紧凑式教学优化算法的机械参数软测量方法
JP5749973B2 (ja) ゴム材料のシミュレーション方法
Tang et al. Lattice structure design advisor for additive manufacturing using Gaussian process
CN114547937B (zh) 一种基于多场景实验的网状可展开天线模型修正方法
Baghaei et al. Artificial neural network prediction of transverse modulus in humid conditions for randomly distributed unidirectional fibre reinforced composites: A micromechanics approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination