增强型神经网络的高级离散化技术用于超弹性物理
摘要：基于神经网络的本构模型可以满足超弹性力学的相关条件。本文针对神经网络模型的结构特点，对混合Hu-Washizu有限元公式和能量-动量离散化方法进行了改进。该方法在近不可压材料行为的有限元分析中表现出优异的性能。通过与解析势函数生成的数据进行校准，验证了超弹性增强神经网络模型的有效性。这表明，从形式上看，神经网络本质上是数学函数，可以像解析本构模型一样直接应用于数值方法。然而，由于其特殊的结构，还需对其进行适应性的离散化方法的改进，以得到紧凑的数学公式和便于实现的代码。
作者：Marlon Franke, Dominik K. Klein, Oliver Weeger, Peter Betsch
论文ID：2306.09866
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2023-06-19