科研之友
微信
新浪微博
Facebook
分享链接
摘要
根据金属板材塑性行为具有变形历史相关性的特点,采用深度学习中的序列学习方法,通过构建长短时记忆网络预测先进高强钢板的塑性本构关系,利用基于Abaqus的有限元仿真获得的不同加载条件下的变形数据对模型进行了训练与测试,研究了模型训练方法与训练特性。所构建的深度学习模型在不引入任何弹塑性物理量或本构规律的条件下准确预测了材料的屈服行为和硬化曲线。所提出的方法能准确表征大数据量条件下的板材塑性本构行为,在计算效率、模型灵活性和鲁棒性方面与传统方法相比具有较大的优势。
-
单位上海交通大学; 机械系统与振动国家重点实验室
