期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
塑性变形理论建模新范式:人工智能赋能和数据科学驱动 被引量：2
1
作者 何霁 江晟达 +3 位作者 刘霄 郭聪 钱昌明 李淑慧 《塑性工程学报》 CAS CSCD 北大核心 2024年第1期2-14,共13页
传统塑性变形理论基于唯象方法,主要依赖于开发者的经验并通过拟合已得到的实验数据来获取,具有强烈的局限性。随着材料微观结构和力学性能的复杂程度不断提高,开发更为复杂的唯象本构模型已经极其困难。材料模型不通用、难以联系材料... 传统塑性变形理论基于唯象方法,主要依赖于开发者的经验并通过拟合已得到的实验数据来获取,具有强烈的局限性。随着材料微观结构和力学性能的复杂程度不断提高,开发更为复杂的唯象本构模型已经极其困难。材料模型不通用、难以联系材料性能和制造过程成为制约塑性成形加工的主要问题之一,也为塑性理论的发展提出严峻挑战。人工智能与数据科学的发展为材料和机械科学带来了新的机遇,随着材料设计和应用的快速发展,不需要传统的显式本构模型,反映材料微观结构和宏观性能之间关系的塑性变形理论建模方法应运而生。其中,以物理规律增强神经网络建模、高效多尺度聚类分析、数据驱动免本构建模为代表的理论建模新范式具有其鲜明的特色和显著优势,是极具潜力的模拟预测方法。通过对这3个方面的总结梳理,探讨了人工智能赋能和数据科学驱动的塑性理论建模及多尺度模拟技术开发的发展现状与未来趋势。 展开更多
关键词 数据驱动 多尺度 计算力学 机器学习 无本构模拟
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部