A Multiscale Fracture Model using Peridynamic Enrichment of Finite Elements within an Adaptive Partition of Unity: Experimental Validation
本文提出一种结合近场动力学与单位分解有限元的多尺度断裂模型,通过随裂纹尖端移动的自适应局部子域实现裂纹扩展模拟,并与实验结果验证了良好一致性。
2024-02-01 cs.CE
Computational frameworks for homogenization and multiscale stability analyses of nonlinear periodic metamaterials
本文提出了一个一致的计算框架,用于具有周期性微结构的率无关固体的多尺度一阶有限应变均匀化和稳定性分析。基于多尺度虚功率原理,建立了基于先验离散化微结构的均匀化方程,并推导了均匀化应力和切线模量的矩阵表达式.均匀化结果在第一次分叉开始时失去有效性,这可以通过多尺度稳定性分析来计算。多尺度不稳定性包括:a)通过Bloch波分析计算的微尺度结构不稳定性;和b)通过对均匀化切线模量的秩-1凸性检查计算的宏观尺度材料不稳定性。详细介绍了Bloch波分析的实现方法,包括波矢空间的选择和从复值Bloch波中提取实值屈曲模态。详细介绍了三种求解约束特征值问题的方法--两种凝聚方法和一种基于零空间的投影方法。均质化和稳定性分析的实现进行了验证,包括超弹性和弹塑性超材料的数值例子。各种微尺度屈曲现象也证明了通过检查几个代表性的超材料的例子。与理论结果一致,数值结果表明,微观长波屈曲可以等效检测的秩1凸性的均匀化切线模量的损失。
2020-10-05 cs.CE nlin.PS
Computational homogenization of higher-order continua
我们介绍了一种新的计算框架的多尺度模拟的高阶连续,允许考虑一阶,二阶和三阶的影响,在微观和宏观层面。与经典的双尺度方法,我们描述的微观结构,通过代表性的体积元素(RVE),附着在每个积分点的宏观问题。考虑到扩展的连续性要求,在微观和宏观层面上的独立领域,我们离散两个尺度通过等几何分析(IGA)。其结果是,我们得到了一个IGA2方法,这是概念上类似于著名的FE2方法。我们证明了这种新的多尺度方法的功能和准确性,通过一系列的多尺度模拟涉及不同种类的高阶连续。
2022-03-07 cs.CE
Efficient computational homogenization via tensor train format
本研究提出基于张量列车(TT)的渐近均匀化方法,通过在微观尺度推导边值问题并以TT格式表示,高效估计材料性质,数值实验验证了其在二维和三维材料热导率与弹性均匀化中的有效性。
2024-07-26 cs.CE
Waveform Relaxation for the Computational Homogenization of Multiscale Magnetoquasistatic Problems
Technische Universitaet Darmstadt(达姆施塔特工业大学)
本文提出将波形松弛法应用于多尺度磁准静态问题的均质化,通过分离求解宏尺度和meso尺度问题,精确计算导纳及其导数。
2016-07-19 cs.CE cs.NA math.NA
Multiscale model reduction for shale gas transport in fractured media
Texas A & M University(德克萨斯农工大学);Texas A&M University(德克萨斯农工大学);Institute of Mathematics and Informatics, North-Eastern Federal University(东北联邦大学数学与计算机科学研究所);Institute for Scientific Computation, Texas A&M University(德克萨斯农工大学科学计算研究所)
本文提出一种多尺度模型降维技术,用于描述破碎介质中页岩气传输,通过通用非线性扩散模型描述孔隙尺度影响,并采用通用多尺度有限元方法建模矩阵与裂隙相互作用,展示非线性流体的高效求解。
2015-07-01 cs.CE cs.NA math.NA
A micromechanics-informed phase field model for brittle fracture accounting for the unilateral constraint
本研究提出一种基于细观力学均匀化理论的方向相关脆性断裂相场模型,用于处理单侧约束问题,无需人为特设参数,在标准测试中裂纹路径合理,剪切载荷下应力-应变曲线精度优于多数现有模型。
2020-07-06 cs.CE
Machine-learning-assisted multiscale topology optimization of functionally graded superimposed lattice structures
Indian Institute of Technology Roorkee(印度理工学院罗尔基);Technical University of Darmstadt(达姆施塔特工业大学)
本研究提出机器学习辅助的多尺度拓扑优化框架,结合SIMP与MMA方法,替代重复计算均匀化,实现功能梯度叠加点阵结构的优化,在MBB梁基准上验证了其有效性。
2026-08-31 cs.CE
Interface spaces based on physics for multiscale mixed methods applied to flows in fractured-like porous media
针对多孔介质流动中裂缝与屏障并存的高对比度特征,提出基于物理的界面空间,并结合自适应多尺度Robin耦合方法(MRCM)实现高精度模拟。
2021-03-12 cs.CE cs.NA math.NA
Deep Learning for Multiscale Damage Analysis via Physics-Informed Recurrent Neural Network
通过基于均匀化的并行多尺度模型直接数值模拟分层材料对3D大规模工程应用提出了严峻的挑战,因为在较低尺度下计算高度非线性和路径依赖的材料本构响应会导致过高的计算成本。在这项工作中,我们提出了一个物理信息的数据驱动的深度学习模型作为一个有效的替代品,以模拟不可逆的弹塑性硬化和软化变形下的非均匀微观结构的有效响应。我们的贡献包括几项重大创新。首先,我们提出了一种新的训练方案,以产生任意的加载序列的采样空间中所限定的变形约束,其中每个序列的微结构响应的模拟成本显着降低通过机械降阶模型。其次,我们开发了一个新的顺序学习器,通过定制训练损失函数和数据流架构,结合热力学一致的物理约束。我们还展示了经典的多尺度有限元求解器的框架内的训练代理的集成。我们的数值实验表明,我们的模型显示出显着的精度提高了纯数据驱动的仿真器和显着的效率提高比减少模型。我们相信,我们的数据驱动模型为经典本构律提供了一种计算效率高且力学一致的替代方案,有利于潜在的高通量模拟,这些模拟需要材料均匀化的不可逆行为。
2022-12-26 cs.CE
Algebraic multiscale method for flow in heterogeneous porous media with embedded discrete fractures (F-AMS)
Delft University of Technology(代尔夫特理工大学);The Petroleum Institute(石油学院)
本文提出F-AMS方法用于模拟含离散裂纹异质多孔介质中的流体流动,通过代数计算基函数实现多尺度映射,四种基函数类型分别处理不同介质耦合情况,验证了方法在复杂裂纹网络中的鲁棒性与可扩展性。
2017-05-15 cs.CE cs.NA math.NA
Three-dimensional convolutional neural network (3D-CNN) for heterogeneous material homogenization
均匀化是多尺度计算科学和工程中常用的一种技术,用于预测非均匀材料的集体响应并提取有效的力学性能。本文提出了一种三维深度卷积神经网络(3D-CNN)来预测含随机球形夹杂的代表性体积元(RVE)的有效材料性质。通过计算均匀化方法生成的高保真数据集用于训练3D-CNN模型。训练后的网络对未知数据的推断结果表明,该网络能够捕捉RVE的微观结构特征,并产生有效刚度和泊松比的准确预测。3D-CNN在计算效率、不确定性量化和模型可移植性方面优于传统的基于有限元的均匀化方法。我们发现3D-CNN方法的显着特征使其成为通过快速产品设计迭代和高效不确定性量化来促进材料设计的潜在合适替代方案。
2020-02-14 cs.CE
A Newton Solver for Micromorphic Computational Homogenization Enabling Multiscale Buckling Analysis of Pattern-Transforming Metamaterials
机械超材料具有工程微结构,旨在表现出异国情调,往往违反直觉,有效的行为。这种行为通常是通过不稳定性引起的底层周期性微结构到一个或多个图案化模式的转换来实现的。由于单个重复微结构单元的强烈运动耦合,非局部行为和尺寸效应出现,这不能容易地被经典的均匀化方案捕获。此外,各个图案模式可以在空间和时间上相互作用,而在工程规模下,整个结构可以全局屈曲。为了有效的数值宏观预测,一个微观的计算均匀化计划最近已经开发出来。虽然这个框架在原则上是能够占空间和时间之间的相互作用的个人模式,其实现依赖于基于梯度的拟牛顿解决方案技术。该求解器是次优的,因为(i)它具有次二次收敛性,以及(ii)缺少Hessians不允许进行适当的分叉分析。考虑到机械超材料通常依赖于受控的不稳定性,这些限制是严重的。为了解决这些问题,本文详细介绍了一种全牛顿法。宏观切线算子的构造并不简单,因为涉及正交约束的微观框架相关的底层位移场的分解上的特定模型假设。给出了总势能一阶变分和二阶变分的解析表达式,并列出了完整的算法。所开发的方法证明了两个例子,其中存在的竞争和多个图案模式出现的地方和全球屈曲之间。
2020-09-03 cond-mat.soft cs.CE
Strain localization in reduced order asymptotic homogenization
School of Mechanical Sciences, Indian Institute of Technology Goa(印度理工学院果阿分校机械科学学院);Department of Applied Mechanics, Indian Institute of Technology Delhi(印度理工学院德里分校应用力学系)
提出一种降阶渐近均匀化多尺度方法,通过特征应变和损伤力学建模,解决复合材料应变局部化及失效后虚假刚度问题,验证了其预测宏观响应和非弹性应变的能力。
2025-08-13 cs.CE
A mixed-order quasicontinuum approach for beam-based architected materials with application to fracture
针对梁式架构材料断裂预测,提出基于混合阶插值的全非局部准连续多尺度方法,克服经典QC在弯曲主导格架中的过度约束,实现高效精确的断裂韧性预测。
2024-03-14 cs.CE
A machine learning accelerated FE$^2$ homogenization algorithm for elastic solids
用于多尺度建模的FE $^2$均匀化算法在宏观尺度和微观尺度(由代表性体积元素表示)之间迭代,直到在宏观尺度加载的每个增量处实现收敛。两个尺度之间的信息交换发生在宏观有限元离散的高斯点处。微尺度的问题也解决了使用有限元的飞行,从而使算法计算复杂的微结构昂贵。我们调用机器学习建立的RVE边值问题的输入输出因果关系,使用神经网络框架。这将RVE呈现为黑盒,其从宏尺度获得信息作为输入,并将信息返回到宏尺度作为输出,从而消除了在RVE级别对动态有限元求解的需要。该框架具有显著加速FE $^2$算法的潜力。
2021-07-30 cs.CE
An Adaptive Quasi-Continuum Approach for Modeling Fracture in Networked Materials: Application to Modeling of Polymer Networks
具有网络状微观结构的材料,包括聚合物,是许多天然和人造材料的骨架,如凝胶,生物组织,超材料和橡胶。在这些网络化材料的断裂过程本质上是多尺度的,它是计算上禁止采用一个完全离散的方法,大规模的系统。为了克服这样的挑战,我们引入了一个自适应的数值算法,在这类材料中建模断裂,主要应用于聚合物网络,使用扩展版本的准连续统方法,占材料和几何非线性。在高度关注的区域,例如裂纹尖端附近,保留了局部拓扑结构的明确表示,其中每个聚合物链使用蠕虫状链模型理想化。远离这些缺陷,自由度被限制到网络节点的一小部分,并且网络结构被计算均匀化,使用微观-宏观能量一致性条件,以产生与底层网络结构一致的各向异性材料张量。一个非线性有限元框架是用来解决系统的动态自适应允许连续和离散尺度之间的过渡。该方法使准确的建模裂纹扩展的断裂能没有先验的约束,同时保持大规模的弹性载荷在散装的影响。我们证明了该方法的准确性和效率,通过应用它来研究在不同的网络结构的例子中的断裂。我们进一步使用该方法来研究网络拓扑结构和无序对其断裂特性的影响。我们讨论了我们的方法在网络材料断裂的多尺度分析的影响,因为它们出现在不同的应用在生物学和工程。
2019-10-19 cond-mat.soft cs.CE
Enhancing Multiscale Simulations with Constitutive Relations-Aware Deep Operator Networks
提出一种混合方法,利用深度算子网络嵌入微观本构关系,预测微观应变应力并数值均匀化,以低成本求解多尺度固体力学问题,在受限数据集下仍保持高精度。
2024-05-22 cs.CE cs.LG
A deep material network for multiscale topology learning and accelerated nonlinear modeling of heterogeneous materials
基于代表性体积元的机械均匀化理论和先进的机器学习技术,提出了一种新的数据驱动的多尺度材料建模方法--深层材料网络。我们建议使用一系列连接的机械构造块与分析均匀化解决方案,避免了损失的基本物理在通用神经网络,这个概念是证明了2维RVE问题和网络深度高达7。基于离线直接数值模拟得到的线弹性RVE数据,采用带反向传播算法的随机梯度下降,并通过模型压缩方法对材料网络进行有效训练。重要的是,训练后的网络对任何局部材料定律都是有效的,而不需要额外的校准或微观力学假设。它的外推到未知的材料和加载空间的广泛的问题进行了验证,通过数值实验,包括线弹性与高对比度的相属性,非线性的历史相关的塑性和大变形下的有限应变超弹性。通过发现一个合适的拓扑表示的RVE与更少的自由度,这种智能材料模型被认为是一个大规模的异质结构的高保真高效的并发模拟开辟了新的可能性。它还提供了跨材料长度尺度的结构-性能关系的机械理解,并使材料设计和制造的参数化微观结构数据库的开发成为可能。
2018-10-24 cs.CE physics.comp-ph
Finite Strain Homogenization Using a Reduced Basis and Efficient Sampling
University of Stuttgart(斯图加特大学)
本文提出了一种基于降阶基和高效采样的有限应变均质化方法,通过减少基底并高效采样宏应变张量空间,提高了超弹性固体在几何非线性情境下的计算效率和鲁棒性。
2019-05-28 cs.CE cs.NA math.NA