Crack-Net：复合材料裂纹扩展预测
材料科学
2023-09-26 v1 统计力学
机器学习
混沌动力学
摘要
计算固体力学已成为工程中不可或缺的方法，而复合材料的断裂数值研究至关重要，因为复合材料广泛应用于结构领域。复合材料中的裂纹演化是阐明微观结构与断裂性能之间关系的桥梁，但基于裂纹的有限元方法计算代价高昂且耗时，限制了其在计算密集型场景中的应用。在此我们提出一种称为 Crack-Net 的深度学习框架，其将裂纹演化与应力响应之间的关系纳入考量，以预测复合材料中的断裂过程。Crack-Net 在采用相场法生成的高精度断裂发展数据集上训练，展现出准确预测给定复合材料设计的裂纹生长模式长期演化及应力-应变曲线的卓越能力。Crack-Net 捕捉了裂纹生长的本质原理，使其能够处理如二元共连续结构等更复杂的微观结构。此外，采用迁移学习进一步提升 Crack-Net 对具有不同强度增强体的复合材料的泛化能力。所提出的 Crack-Net 在工程与材料科学中具有广阔的应用前景，其中准确高效的断裂预测对优化材料性能与微观结构设计至关重要。
引用
@article{arxiv.2309.13626,
title = {Crack-Net: Prediction of Crack Propagation in Composites},
author = {Hao Xu and Wei Fan and Ambrose C. Taylor and Dongxiao Zhang and Lecheng Ruan and Rundong Shi},
journal= {arXiv preprint arXiv:2309.13626},
year = {2023}
}