面向孔基韧性损伤的晶 polycrystal 力学数据驱动统计降阶建模与量化
材料科学
2023-08-09 v1
摘要
预测多晶金属材料中介孔基韧性损伤的过程是一个重要的实际课题。韧性损伤及其前兆表现为应力与材料状态量的极值，其空间概率密度函数（PDF）高度非高斯且具强厚尾。使用物理模型的传统确定性预测常无法捕捉材料变形过程中结构演化的统计特征。本研究提出一种数据驱动统计降阶建模框架，以对导致孔基韧性损伤的变形过程提供带不确定性量化的概率预测。该框架首先计算全字段多晶模拟中特定状态变量前阶矩的时间演化。随后，采用基于因果熵并包含基本物理约束的稀疏模型辨识算法来发现这些矩的演化方程。利用最大熵原理由预测矩获得 PDF 时间演化的近似解。基于多晶实现的数值实验表明，该模型能刻画 von Mises 应力非高斯 PDF 的时间演化并量化极值事件的概率。学习过程还揭示平均应力以强非线性和乘性方式与高阶矩及极值事件相互作用。此外，标定的矩方程应用于训练数据集之外的实现时仍提供合理准确的预测，表明模型的鲁棒性与外推能力。最后，基于信息的度量显示前四阶矩足以刻画整个变形历史中的关键非高斯特征。
引用
@article{arxiv.2303.06743,
title = {Data-Driven Statistical Reduced-Order Modeling and Quantification of Polycrystal Mechanics Leading to Porosity-Based Ductile Damage},
author = {Yinling Zhang and Nan Chen and Curt A. Bronkhorst and Hansohl Cho and Robert Argus},
journal= {arXiv preprint arXiv:2303.06743},
year = {2023}
}