高度异质材料随机分层配置的非线性热导率预测的自优化小波学习方法
摘要：用于计算高度异质材料具有随机分层结构的等效非线性热导率的高精度高效的自优化小波学习方法（SO-W-LM）被提出。该方法考虑了异质材料的随机结构异质性、温度相关的非线性和材料特性的不确定性。首先，使用所提出的计算机表示方法实现了随机异质材料的中微观结构建模，其仿真的分层结构具有相对较高的材料包含体积比。此外，使用多项式非线性模型和Weibull概率模型对随机异质材料的温度相关非线性和材料特性不确定性进行建模，这可以很好地模拟异质材料的实际特性。其次，开发了一种创新的随机三尺度均匀化方法（STSHM）来计算随机异质材料的宏观非线性热导率。设计了背景网格和填充技术，以提取随机异质材料的几何和材料特性，并建立材料数据库。第三，使用小波分解技术对材料数据库中的高维度和高度非线性的材料特性进行预处理和降维。进一步利用神经网络从降维的低维数据中挖掘预测模型。
作者：Jiale Linghu, Hao Dong, Weifeng Gao, Yufeng Nie
论文ID：2307.15403
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-08-14