一种工程水泥基复合材料微观参数的逆向设计方法和装置
本技术涉及材料,尤其涉及一种工程水泥基复合材料微观参数的逆向设计方法和装置。
背景技术:
1、工程水泥基复合材料(ecc)是高拉伸延性、可开展多重微裂纹的高性能建筑材料,单轴拉伸下呈类似金属的应变硬化行为,极限拉伸应变达3%~5%,裂纹宽度可稳定控制在60微米以下。其独特宏观性能由纤维、水泥基体、纤维/基体界面三类微观组分精细协同作用决定,构建从微观组分参数到中尺度裂纹桥联本构关系(σ-δ关系)的跨尺度映射机制,是ecc实现定制化设计的核心理论前提。
2、当前该映射关系构建仍面临三重现实障碍:一是传统研发高度依赖试错法,需大量物理实验调整纤维掺量、长度、界面处理等配方参数,不仅成本高、周期长,且ecc参数空间庞大,试错法无法穷尽组合,仅能获得性能局部最优解;二是aveston-cooper-kelly等传统解析微观力学模型为获取封闭解析解引入大量脱离实际的简化假设,忽略pva纤维特有的滑移硬化现象、倾斜纤维拔出的基体微观剥落效应,预测结果与真实实验偏差显著;三是直接套用通用神经网络时,受限于ecc微观力学实验数据样本量有限,模型在未见参数空间泛化能力极差,且无物理约束的深度学习易输出违反能量守恒、热力学定律的错误结果,物理保真度严重不足。
3、因此,如何克服现有数据驱动模型因样本有限和缺乏物理约束导致的泛化能力差与物理保真度不足,从而实现基于目标宏观性能的微观参数精准逆向设计是当前亟需解决的技术问题。
技术实现思路
1、本技术提供一种工程水泥基复合材料微观参数的逆向设计方法和装置,其解决了如何克服现有数据驱动模型因样本有限和缺乏物理约束导致的泛化能力差与物理保真度不足的技术问题,达到了基于目标宏观性能的微观参数精准逆向设计的技术效果。
2、为了达到上述目的,本技术采用的主要技术方案包括:
3、第一方面,本技术实施例提供一种工程水泥基复合材料微观参数的逆向设计方法,所述方法包括:
4、基于工程水泥基复合材料预设的微观参数范围,生成微观参数矩阵;其中,所述微观参数矩阵包含多组微观参数组合;
5、确定与各组所述微观参数组合对应的宏观桥联应力序列,以获取表征微观参数组合与宏观桥联应力序列之间对应关系的非线性映射数据集;
6、利用所述非线性映射数据集对预先构建的嵌入物理约束机制的神经网络模型进行训练,得到训练好的神经网络模型;
7、获取表征预期工程性能的目标宏观桥联应力序列,将所述目标宏观桥联应力序列输入至所述训练好的神经网络模型,通过最小化所述神经网络模型输出的预测宏观桥联应力序列与所述目标宏观桥联应力序列之间的偏差,反向迭代确定与所述预期工程性能相适配的工程水泥基复合材料目标微观参数组合。
8、在一个实施方式中,所述基于工程水泥基复合材料预设的微观参数范围,生成微观参数矩阵,包括:
9、根据所述工程水泥基复合材料的材料组成特性,确定表征影响宏观力学性能的微观参数,并针对每一所述微观参数,配置对应的上限值和下限值,得到微观参数范围;
10、确定待生成的样本总数,针对每一所述微观参数,将所述微观参数范围划分为与所述样本总数相同的多个互不重叠的子区间;
11、在每一所述微观参数的每一所述子区间内随机选取一个数值,获得各所述微观参数对应的采样点序列,并将各所述采样点序列分别进行随机打乱后按序对应组合,形成多个多维样本点;
12、将所述多维样本点转化为具有物理单位的参数值,生成所述微观参数矩阵;其中,所述微观参数矩阵中的每一行对应一组微观参数组合,每一列对应一个微观参数。
13、在一个实施方式中,所述确定与各组所述微观参数组合对应的宏观桥联应力序列,包括:
14、基于预设的最大裂纹张开位移和裂纹张开位移离散点数,构建裂纹张开位移离散序列;
15、基于任一组所述微观参数组合中的纤维长度和纤维直径,将连续的纤维倾角范围和纤维埋入长度范围分别离散为多个代表性积分点,获取各所述代表性积分点对应的积分权重;
16、针对当前裂纹张开位移,基于任一所述组微观参数组合依次执行左右埋入端力平衡求解、基体微剥落修正以及纤维随机断裂判定,确定得到各所述代表性积分点对应的裂纹法向有效桥联力;
17、基于各所述代表性积分点的积分权重及所述裂纹法向有效桥联力,通过加权积分确定得到所述当前裂纹张开位移对应的宏观桥联应力;
18、遍历所述裂纹张开位移离散序列中的所有裂纹张开位移,确定与各组所述微观参数组合对应的宏观桥联应力序列。
19、在一个实施方式中,所述左右埋入端力平衡求解包括:
20、基于任一组所述微观参数组合中的纤维长度以及当前代表性积分点对应的纤维埋入长度,确定长埋入端有效传力长度与短埋入端有效传力长度;
21、将所述当前裂纹张开位移点分解为长埋入端位移分量与短埋入端位移分量,基于所述长埋入端有效传力长度和所述短埋入端有效传力长度,构建沿纤维埋入方向的局部相对滑移量分布函数;
22、基于任一组所述微观参数组合,构建界面滑移硬化关系,将所述局部相对滑移量分布函数代入所述界面滑移硬化关系,并通过沿所述纤维埋入方向进行积分,分别确定长埋入端拔出力与短埋入端拔出力;
23、以所述长埋入端拔出力等于所述短埋入端拔出力为平衡条件,迭代求解出满足所述平衡条件的长埋入端位移分量与短埋入端位移分量,并基于满足所述平衡条件的长埋入端位移分量与短埋入端位移分量确定在所述当前裂纹张开位移下的单纤维拉拔力。
24、在一个实施方式中,所述基体微剥落修正包括:
25、基于当前迭代步下的单纤维拉拔力以及任一组所述微观参数组合中的基体剥落系数,确定所述当前迭代步下的基体微剥落尺寸;
26、当所述基体微剥落尺寸大于预设的最小有效基体微剥落尺寸阈值时,判定发生基体微剥落,并基于所述基体微剥落尺寸确定剥落后的等效裂纹张开位移和有效纤维倾角;
27、基于所述等效裂纹张开位移和所述有效纤维倾角,确定有效裂纹张开位移;
28、基于所述有效裂纹张开位移重新执行所述左右埋入端力平衡求解,得到经基体微剥落修正后的单纤维拉拔力。
29、在一个实施方式中,所述纤维随机断裂判定包括:
30、基于预设的纤维强度统计分布生成各所述代表性积分点对应的随机本征拉伸强度,并结合预设的倾角强度折减系数及所述有效纤维倾角,确定有效断裂强度阈值;
31、确定所述当前裂纹张开位移下纤维经历的最大历史轴向拉应力;
32、当所述最大历史轴向拉应力大于或者等于所述有效断裂强度阈值时,判定纤维断裂,并将所述当前裂纹张开位移及后续裂纹张开位移下的裂纹法向有效桥联力置零;
33、当所述最大历史轴向拉应力小于所述有效断裂强度阈值时,判定纤维未断裂,并基于所述经基体微剥落修正后的单纤维拉拔力与所述有效纤维倾角,确定裂纹法向有效桥联力。
34、在一个实施方式中,所述利用所述非线性映射数据集对预先构建的嵌入物理约束机制的神经网络模型进行训练,得到训练好的神经网络模型,包括:
35、构建嵌入物理约束机制的神经网络模型,所述神经网络模型包括特征嵌入模块、深层残差提取模块与物理约束输出模块;其中,所述特征嵌入模块用于将所述非线性映射数据集中的微观参数组合映射至隐特征空间;所述深层残差提取模块由多个级联的残差块组成,用于提取所述非线性映射数据集中微观参数组合与宏观桥联应力序列之间的非线性特征;所述物理约束输出模块用于输出预测宏观桥联应力序列;
36、构建复合损失函数,所述复合损失函数包括用于衡量所述预测宏观桥联应力序列与所述宏观桥联应力序列偏差的数据拟合损失项、用于约束所述预测宏观桥联应力序列的积分面积与所述宏观桥联应力序列的积分面积一致的能量守恒约束项,以及用于约束软化段应力单调递减的软化单调性约束项;
37、利用所述非线性映射数据集,对所述神经网络模型进行参数更新,直至所述复合损失函数收敛,得到训练好的神经网络模型。
38、在一个实施方式中,所述确定与所述预期工程性能相适配的工程水泥基复合材料目标微观参数组合,包括:
39、基于预设的力学特征约束对目标桥联本构曲线进行插值,生成用于表征所述预期工程性能的目标宏观桥联应力序列;
40、加载所述训练好的神经网络模型,将所述神经网络模型的网络权重设定为不可训练状态,并在所述微观参数范围内生成初始微观参数组合;
41、构建由形状差异项与物理约束项组成的目标泛函;其中,所述形状差异项用于衡量所述神经网络模型输出的预测宏观桥联应力序列与所述目标宏观桥联应力序列之间的偏差,所述物理约束项用于对超出所述微观参数范围的微观参数组合施加惩罚;
42、将所述初始微观参数组合设置为待优化变量,基于所述目标泛函确定针对所述待优化变量的梯度,执行所述梯度反向传播优化,直至所述目标泛函满足预设的收敛条件,将当前微观参数组合作为与所述预期工程性能相适配的工程水泥基复合材料目标微观参数组合。
43、第二方面,本技术实施例提供一种工程水泥基复合材料微观参数的逆向设计装置,所述装置包括:
44、参数矩阵生成单元,用于基于工程水泥基复合材料预设的微观参数范围,生成微观参数矩阵;其中,所述微观参数矩阵包含多组微观参数组合;
45、映射数据获取单元,用于确定与各组所述微观参数组合对应的宏观桥联应力序列,以获取表征微观参数组合与宏观桥联应力序列之间对应关系的非线性映射数据集;
46、模型约束训练单元,用于利用所述非线性映射数据集对预先构建的嵌入物理约束机制的神经网络模型进行训练,得到训练好的神经网络模型;
47、微观参数反演单元,用于获取表征预期工程性能的目标宏观桥联应力序列,将所述目标宏观桥联应力序列输入至所述训练好的神经网络模型,通过最小化所述神经网络模型输出的预测宏观桥联应力序列与所述目标宏观桥联应力序列之间的偏差,反向迭代确定与所述预期工程性能相适配的工程水泥基复合材料目标微观参数组合。
48、第三方面,本技术实施例提供一种计算机设备,包括:
49、存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行上述所述的工程水泥基复合材料微观参数的逆向设计方法。
50、第四方面,本技术实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行上述所述的工程水泥基复合材料微观参数的逆向设计方法。
51、本技术的一个或多个实施方式提供的技术方案,通过采样生成覆盖全面的微观参数矩阵,并借助多尺度力学计算批量获取高保真的非线性映射数据集,从而以较少的样本量实现了对庞大参数组合空间的有效覆盖,克服了传统网格搜索的维度灾难问题;在此基础上,利用嵌入能量守恒约束与软化单调性约束的物理约束机制对神经网络模型进行训练,有效剔除了违反热力学定律或力学常识的错误预测,使模型兼具高预测精度与强物理一致性;最终,借助训练好的神经网络模型作为高保真正向物理代理模型,通过梯度下降等优化算法将目标宏观桥联应力序列反向迭代映射至微观参数空间,高效、精准地反演出与预期工程性能相适配的目标微观参数组合,从而彻底打破了传统试错法的研发瓶颈,真正实现了工程水泥基复合材料从性能需求到参数设计的定制化按需设计。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com