有限应变框架下率相关和路径相关非均质材料的物理递归神经网络

本文研究了一种用于非均质材料微观分析的混合物理数据驱动代理模型。该模型通过将全阶微观模型中使用的本构模型嵌入神经网络，受益于其中包含的基于物理的知识。在先前发展的基础上，本文通过引入适用于有限应变框架下率相关材料的架构，扩展了物理递归神经网络（PRNN）的适用性。在该模型中，微观模型的均匀化变形梯度被编码为一组变形梯度，作为嵌入本构模型的输入。这些本构模型计算应力，并在解码器中组合以预测均匀化应力，从而使得历史相关本构模型的内部变量自然地为网络提供基于物理的记忆。为了展示代理模型的能力，我们考虑了一个具有横向各向同性弹性纤维和弹粘塑性基体材料的单向复合材料微观模型。训练用于替代该微观模型的代理模型的外推特性在训练期间未见过的加载场景上进行了测试，包括不同应变率、循环加载和松弛。相对于原始微观模型的运行时间，获得了三个数量级的加速。