基于数据驱动的多保真多尺度裂缝模型的潜在映射高斯过程校准
摘要：基于随机孔隙引起的生产空间变异性的多孔金属合金断裂建模依赖于多尺度损伤模拟，而这些模拟通常忽视了空间变化的宏观部件中的微观结构。这个简化是由于在宏观部件中明确建模空间变化的微观结构的计算费用过高。为了解决这个挑战，并开启多尺度材料断裂感知设计的大门，我们提出了一个数据驱动的框架，将机械约简模型（ROM）与基于随机过程的校准方案相结合。我们的ROM通过使用稳定的损伤算法和通过聚类系统地减少自由度来大大加速直接数值模拟（DNS）。由于聚类会影响局部应变场和断裂响应，我们通过构建基于潜在映射高斯过程（LMGPs）的多保真度随机过程来校准ROM。特别地，我们使用LMGPs根据微观结构和聚类（即保真度）水平来校准ROM的损伤参数，使ROM可以忠实地代替DNS。我们展示了我们的框架在预测具有空间变化孔隙的多尺度金属组件的损伤行为方面的应用。我们的结果表明，微观结构的孔隙率可以显著影响宏观组件的性能，因此在设计过程中必须予以考虑。
作者：Shiguang Deng, Carlos Mora, Diran Apelian, Ramin Bostanabad
论文ID：2205.12157
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2022-09-12