有限塑性中基于投影的模型降阶的神经网络加速：在RVE上的应用
机器学习
2021-09-17 v1
摘要
与传统的基于投影的模型降阶相比，其神经网络加速的优势在于在线仿真无方程，即无需迭代求解方程组。因此，无需构造刚度矩阵，且应力更新每个增量只需计算一次。本文中，开发了一种循环神经网络，用于加速RVE弹塑性力学行为的基于投影的模型降阶。与仅模拟宏观变形（路径）与宏观应力之间关系的神经网络不同，基于投影的模型降阶的神经网络加速保留了所有微观结构信息，代价是每个增量计算一次该信息。
引用
@article{arxiv.2109.07747,
title = {Neural-network acceleration of projection-based model-order-reduction for finite plasticity: Application to RVEs},
author = {S. Vijayaraghavan and L. Wu and L. Noels and S. P. A. Bordas and S. Natarajan and L. A. A. Beex},
journal= {arXiv preprint arXiv:2109.07747},
year = {2021}
}