数据驱动、基于结构的超弹性流形：一种宏-微-宏方法
材料科学
2020-07-14 v2
摘要
在本文中，我们引入一种新方法，直接从实验数据获取类橡胶材料的储能密度。该模型是基于结构的，其中唯一的假设是纤维、链或网络各向同性分布的存在。利用单次宏观试验，我们仅通过求解一个线性方程组即可得到组分的响应。该响应包含所有可能的相互作用，且不对这种行为的性质作假设，从而对组分行为进行了高效的逆向工程。利用该微观结构行为，我们构建本构流形，能够精确再现连续统在任意载荷条件下的行为。为证明所提出的非参数宏-微-宏方法的优良性，仅使用Kawabata等人实验的一条宏观试验曲线来计算纤维(微观)行为，我们便以非常好的精度再现了Kawabata关于硫化橡胶(8phr硫)的双轴试验系列的其余部分，表明所计算的微观力学行为是对实际行为的极好近似。我们对Treloar材料以及Kawamura等人关于硅胶的实验系列展示了类似结果。借助本构流形，该方法在有限元程序中的效率与解析模型相当。用于重现本文主要计算和若干图形的Julia语言代码已公开可用。
引用
@article{arxiv.1903.11545,
title = {Data-driven, structure-based hyperelastic manifolds: A macro-micro-macro approach},
author = {Victor Jesús Amores and José María Benítez and Francisco Javier Montáns},
journal= {arXiv preprint arXiv:1903.11545},
year = {2020}
}