用于评估单搭接接头应力传递的物理神经网络（英文）

作者：Shivam SHARMA; Rajneesh AWASTHI; Yedlabala Sudhir SASTRY; Pattabhi Ramaiah BUDARAPU^*

来源：Journal of Zhejiang University-Science A(Applied Physics & Engineering), 2021, 22(08): 621-637.

• 物理信息神经网络
• 算法微分
• 人工神经网络
• 损失函数
• 单搭接接头

目的:开发物理神经网络,研究单搭接接头的应力传递机理。创新点:1.创建了一种新的基于物理神经网络(PINN)的深度机器学习(DML)方法来求解两个非齐次耦合四阶偏微分方程。2.通过将开发的方法和闭合解(由MAPLE软件获得)进行对比,验证了结果的可靠性。方法:1.通过包含1个输入层、2到3个隐藏层和1个输出层的人工神经网络(ANN)实现本文提出的基于PINN的DML方法。2.将边界和初始条件以及搭接接头组成部分的材料特性提供给输入层,在隐藏层中计算损失函数,并从输出层提取满足边界条件的σ1和σ3应力值。结论:1.通过基于DML框架的PINN方法研究单个搭接接头的力学,以及对受边界条件影响的耦合四阶非齐次偏微分方程的求解,所提方法可被扩展到多基板及其相间的各种应力分量的估计。2.通过用所提方法估计界面剪切应力并将其与精确解对比发现,基于DML的方法获得的结果可有效表征物理行为。