面向通用分布式载荷的平面弹性线变分框架
机器学习
2025-12-11 v1 机器学习
摘要
我们提出了一个简洁的变分框架，用于平面弹性线，可将重力加载或磁体扭矩等分布式能量以模块化和统一的方式纳入。该表述基于直接在能量函数层面表达所有载荷引起的贡献，这避免了 Wang (1986) 等经典处理方法中使用的力平衡构造，使得纳入额外物理效应变得简单。 resulting planar energy functional yields compact governing equations in which the contributions of individual load types remain clearly separated. 我们演示了该框架在再现经典的重弹性线方程方面具有恰当的适应性，同时自然地适应常用于硬磁棒模型中的磁能项。虽然在数学上是基本的，但该表述提供了一个干净且可扩展的结构，用于描述受一般分布式载荷作用下的平面棒的变形。
引用
@article{arxiv.2512.08956,
title = {DW-KNN: A Transparent Local Classifier Integrating Distance Consistency and Neighbor Reliability},
author = {Kumarjit Pathak and Karthik K and Sachin Madan and Jitin Kapila},
journal= {arXiv preprint arXiv:2512.08956},
year = {2025}
}