一种热力学约束神经网络岩石弹塑性损伤有限元方法

摘要: 本发明涉及计算力学与岩土工程数值仿真,尤其涉及一种热力学约束神经网络岩石弹塑性损伤有限元方法。背景技术:1、在岩土工程有限元分析中,传统弹塑性损伤本构模型依赖预...
一种热力学约束神经网络岩石弹塑性损伤有限元方法

本发明涉及计算力学与岩土工程数值仿真,尤其涉及一种热力学约束神经网络岩石弹塑性损伤有限元方法。

背景技术:

1、在岩土工程有限元分析中,传统弹塑性损伤本构模型依赖预设的屈服函数、塑性势函数与损伤演化律,参数物理意义明确但标定工作量大,当应力路径、加载历史偏离标定范围时预测精度显著下降;且塑性-损伤耦合需引入多组内部变量与演化律,参数间交互关系复杂,难以通过有限室内试验唯一确定。纯数据驱动的神经网络本构可直接从数据中学习应力-应变非线性映射,通过递归网络编码加载历史,但缺乏物理约束,输出易违反clausius-duhem不等式,存在热力学不一致、训练域外物理失真与外推鲁棒性差等缺陷,局部本构误差易在全局平衡迭代中累积发散。

2、将热力学约束引入神经网络可有效提升模型物理一致性,现有方案以helmholtz自由能函数与机械耗散率函数为学习目标,将热力学定律编码为损失函数正则项,已在金属、颗粒材料中取得初步进展。但面向准脆性岩土材料,尚缺乏统一表征摩擦型非弹性变形、损伤诱导刚度退化与塑性-损伤耦合演化的网络架构;更关键的是,现有研究均停留在pytorch环境下的材料点预测阶段,受跨语言转换、不变量张量映射、历史状态管理与刚度矩阵构造等技术障碍限制,无法直接嵌入有限元软件完成边界值工程仿真。

技术实现思路

1、针对现有热力学约束神经网络难以适配准脆性岩土材料塑性-损伤耦合行为、pytorch训练模型无法直接部署于fortran有限元平台、缺乏边界值问题完整部署方案及训练-部署应力响应一致性难以保障等问题,本发明提供一种覆盖网络架构设计、热力学约束训练、参数标准化转换、fortran等价重构到有限元边界值仿真的完整方法,实现热力学一致的神经网络本构模型从材料点训练到工程级有限元仿真的全流程落地。

2、为实现上述目的,本发明提供了一种热力学约束神经网络岩石弹塑性损伤有限元方法,包括以下步骤:

3、s1、基于准脆性岩土材料弹塑性损伤耦合的路径依赖力学特性,通过在应力-应变不变量空间中搭建gru历史编码器、自由能mlp网络与耗散率mlp网络的组合网络架构,得到可编码加载历史并映射热力学状态量的热力学约束神经网络基础架构;

4、s2、基于热力学约束神经网络基础架构,通过引入helmholtz自由能应力恢复机制与clausius-duhem不等式正则项,构建由回归损失项、能量耗散关系残差项与热力学违例罚项组成的混合损失函数,在pytorch环境中完成网络端到端联合训练,得到满足热力学一致性的训练后热力学约束神经网络本构模型;

5、s3、基于训练后热力学约束神经网络本构模型,通过提取全部可学习权重矩阵、偏置向量与输入输出特征归一化常数,按前向传播计算顺序依次展平为一维序列并组装弹性常数,得到可直接输入fortran子程序的全局一维材料参数数组;

6、s4、基于全局一维材料参数数组,通过在fortranumat子程序环境中按原生数学公式逐层重构gru门控运算与双mlp前向传播,采用层式链式法则推导自由能对应变不变量的解析梯度,得到与pytorch训练阶段等价的本构状态更新与应力恢复计算逻辑;

7、s5、基于本构状态更新与应力恢复计算逻辑,通过在abaqus增量有限元框架中实现谱分解与基于haigh-westergaard正交基的不变量双向变换,结合滑动窗口历史状态管理与逐分量扰动法刚度矩阵构造,得到可稳定求解岩土工程边界值问题的神经网络本构有限元仿真子程序。

8、优选的,步骤s1具体为:

9、基于弹塑性损伤本构的内部状态变量定义,通过将过去n步的应变不变量与应力不变量滑动窗口作为gru历史编码器的输入,以gru输出的内部状态变量分别接入自由能mlp和耗散率mlp的输入层,得到可同时表征塑性应变演化与损伤诱导刚度退化的双网络耦合架构。

10、优选的,步骤s2具体为:

11、基于自由能对应变的偏导等于应力的热力学关系,通过自动微分从自由能mlp的标量输出恢复应力不变量,应力不变量与自由能的对应关系满足:

12、;

13、其中为helmholtz自由能,为偏应力,为广义剪应变,p为平均应力,为体应变;以应力与内部变量的预测误差构建回归损失项,以自由能演化量与耗散率积分的偏差构建关系残差项,以负自由能和负耗散率的惩罚构建热力学约束项,通过adamw优化器迭代优化网络参数,得到同时满足数据拟合精度与物理一致性的训练模型。

14、优选的,步骤s3具体为:

15、基于gru与双mlp的层级计算顺序,通过按行优先顺序依次展平gru各门的权重矩阵与偏置向量、自由能mlp各层的权重矩阵与偏置向量、耗散率mlp各层的权重矩阵与偏置向量,叠加训练得到的各特征均值、标准差与弹性常数,得到结构有序、可按位读取的全局一维材料参数数组。

16、优选的,步骤s4中的逐层重构gru门控运算与mlp双前向传播具体为:

17、基于全局一维材料参数数组的存储顺序,通过在fortran中按位读取参数并重组为对应维度的矩阵与向量,依次计算gru的重置门、更新门、候选状态与最终隐藏状态,gru的核心计算满足:

18、;

19、其中为更新门,为重置门,为候选状态,为最终隐藏状态,为上一时刻最终隐藏状态,为当前时刻输入向量,,为sigmoid激活函数

20、优选的,步骤s4中的层式链式法则推导解析梯度具体为:

21、基于silu激活函数一阶导数连续的特性,silu激活函数及其一阶导数满足:

22、;

23、其中为sigmoid激活函数,x为激活函数的输入标量;通过从自由能mlp的输出层向输入层逐层应用链式法则,依次计算每一层激活函数导数值与权重的反向乘积,得到自由能对应变不变量的解析梯度,以该梯度作为恢复的应力不变量,替代pytorch的自动微分机制。

24、优选的,步骤s5中的谱分解与haigh-westergaard不变量变换具体为:

25、基于各向同性材料弹塑性更新不改变主应力方向的性质,通过在子程序入口处对应力张量进行谱分解得到主应力与主方向矩阵,经haigh-westergaard正交基矩阵映射为偏应力、平均应力不变量输入网络;网络更新完成后,通过逆变换将不变量恢复为主应力,经主方向矩阵旋转重建局部坐标系下的应力张量,得到适用于任意维度与任意应力方向的不变量空间本构更新方法。

26、优选的,步骤s5中的滑动窗口历史状态管理具体为:

27、基于gru对固定长度历史序列的输入要求,通过在abaqus的statev状态数组中维护长度为n的应变-应力不变量滑动窗口,每增量步窗口左移一位并写入最新状态量;在初始加载阶段历史步数不足n时,通过退化为各向同性线弹性本构积累历史数据,得到保证计算启动阶段数值稳定性的冷启动机制。

28、优选的,步骤s5中的逐分量扰动法刚度矩阵构造具体为:

29、基于abaqus全局牛顿迭代对材料刚度矩阵的收敛要求,通过在当前应变状态的每个独立分量上施加微小应变扰动,依次调用完整本构更新流程计算扰动后的应力,以应力增量与应变扰动的比值填充刚度矩阵对应位置,得到数值割线近似的材料刚度矩阵ddsdde,为全局迭代提供收敛支撑。

30、优选的,还包括训练与部署的一致性保证步骤:

31、基于参数传递与变换链路的等价性要求,通过使不变量正逆变换公式在pytorch训练端与fortran部署端保持严格一致,配合参数数组按相同计算顺序展平与读取,得到同一应变状态下训练阶段与部署阶段应力响应定量一致的保证机制。

32、本发明相对于现有技术的优点和有益效果是:

33、1.通过将helmholtz自由能应力恢复和clausius-duhem耗散率正则化引入gru+双mlp的神经网络架构,使学习得到的本构模型在无需预设屈服函数和损伤演化律的条件下,能够自动满足热力学基本约束,抑制负耗散率等物理违例的出现。

34、2.通过层式链式法则在fortranumat中手工实现silu激活函数下的自由能应力恢复解析梯度,替代pytorch的自动微分机制,使训练完成的网络可在无python运行时依赖的条件下等价部署到abaqus有限元平台。

35、3.通过谱分解-haigh-westergaard正变换和主方向不变逆变换的不变量空间应力更新策略,使在有限加载路径上训练的网络能够处理有限元中任意方向的应力状态,支撑边界值问题仿真。

36、4.通过滑动窗口statev管理、扰动法数值割线刚度矩阵的联合策略,保证了网络本构模型在abaqus增量求解框架中的计算启动稳定性、历史状态管理稳健性和全局牛顿迭代收敛性。

37、5.通过将网络全部可学习参数和归一化常数按统一顺序展平为全局一维数组的标准化参数传递方式,配合不变量变换公式在训练与部署两端的严格一致,保证了从材料点训练到有限元部署全流程的应力响应定量一致性。

38、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。