文献

J-GLOBAL ID：202202226370065328   整理番号：22A1090254

人工ニューラルネットワークによる繰返し塑性の機構的情報駆動モデリング【JST・京大機械翻訳】

Mechanistically informed data-driven modeling of cyclic plasticity via artificial neural networks

著者 (8件)： Liu Daoping (State Key Laboratory of Structural Analysis for Industrial Equipment, Department of Engineering Mechanics, Dalian University of Technology, Dalian, 116023, PR China) ,  Yang Hang (State Key Laboratory of Structural Analysis for Industrial Equipment, Department of Engineering Mechanics, Dalian University of Technology, Dalian, 116023, PR China) ,  Elkhodary K.I. (The Department of Mechanical Engineering, The American University in Cairo, 11835 New Cairo, Egypt) ,  Tang Shan (State Key Laboratory of Structural Analysis for Industrial Equipment, Department of Engineering Mechanics, Dalian University of Technology, Dalian, 116023, PR China) ,  Tang Shan (International Research Center for Computational Mechanics, Dalian University of Technology, 116023, PR China) ,  Liu Wing Kam (Department of Mechanical Engineering, Northwestern University, 60208, USA) ,  Guo Xu (State Key Laboratory of Structural Analysis for Industrial Equipment, Department of Engineering Mechanics, Dalian University of Technology, Dalian, 116023, PR China) ,  Guo Xu (International Research Center for Computational Mechanics, Dalian University of Technology, 116023, PR China)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 393  ページ： Null  発行年： 2022年 
JST資料番号： E0856A  ISSN： 0045-7825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 特にMasing効果をシミュレートするために,周期的荷重を受ける微細構造/均質化固体の複雑な塑性挙動をシミュレートするために,機構的にインフォームドしたデータ駆動法を提案した。提案手法は,適切な降伏曲面の複雑な数学的構築を避け,その機構特性により訓練のための大量のデータを必要とせず,データ科学の方法とツールを力学の原理に結びつける。特に,物理的実験によって直接測定できない繰返し塑性挙動を特徴付ける特定の内部変数を抽出するためのデータ処理法を進めた。次に,人工ニューラルネットワーク(ANN)によって表される降伏面を,応力-歪データと抽出した内部変数によって訓練した。最後に,ANNを有限要素計算フレームワークに統合し,異なる境界値問題(BVP)を解いた。実証例に対する結果を示し,それらの微細構造におけるボイドと粒子を含む固体に対する提案した方法の有効性と信頼性を説明した。直接数値シミュレーション(DNS)と比較して,著者らのアプローチは,歪み局所化の領域と同様に,繰返し荷重の下で,応力と塑性ひずみの平均レベルを予測すると思われる。さらに,均質化三次元トラス構造に対する結果は,著者らのアプローチが重要な内部変数の進化を正確に記述できることを示した。この機構アプローチは,一般的な純粋データ駆動法よりも遥かに少ないデータを必要とし,これは,純粋なデータ駆動手法と比較して,可能な計算効率を示した。提案アプローチの限界も議論した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応力 ,  *塑性 ,  境界値問題 ,  信頼性 ,  繰返し荷重 ,  トラス ,  *ニューラルネットワーク ,  均質化 ,  変数 ,  *モデリング ,  塑性歪 ,  三次元 ,  降伏面
準シソーラス用語： 計算効率 ,  有限要素 ,  内部変数 , 【Automatic Indexing@JST】

著者キーワード (5件)： データ駆動 ,  構成則 ,  繰返し塑性 ,  機構 ,  人工ニューラルネットワーク(ANN)

分類 (1件)： 塑性力学一般  (HC03010T)

タイトルに関連する用語 (3件)： 人工ニューラルネットワーク ,  塑性 ,  モデリング