基于合成全局与局部数据的晶体塑性材料模型概率校准
材料科学
2026-03-24 v1 应用统计
摘要
晶体塑性模型将宏观变形与聚晶材料微尺度滑移的物理联系起来。这些模型可以使用全局应力-应变曲线进行校准，但得到的参数化往往不唯一：多个参数化可以预测相同的全局行为，但不同的局部(晶粒尺度)行为。使用局部数据进行校准可缓解唯一性问题，但需要高能X射线衍射(HEDM)等昂贵的专业实验来获取数据。全场仿真的计算成本也常常阻碍了基于采样校准算法如马尔可夫链蒙特卡洛(MCMC)的不确定性量化。本研究提出了一种两阶段校准程序，将全局数据和局部数据相结合，既平衡了代理模型的效率，又保持了全场晶体塑性仿真的精度。该程序使用贝叶斯推断结合高效、并行的顺序蒙特卡洛算法进行不确定性量化。使用具有Inconel 718代表性组织结构的合成数据完成校准，以评估参数相对于已知基准真相的不确定性和精度。全局数据来自单向应力-应变曲线，局部数据来自晶粒平均应力，反映典型HEDM实验的输出。额外的校准使用有限和噪声局部数据表明了该程序的鲁棒性，并确定了数据中最重要的特征。总体而言，结果表明了该两阶段程序的计算效率以及局部数据对减少参数不确定性的重要性。此外，对校准参数的联合分布突显了在选择构成模型和校准数据时关键考虑因素，包括来自相关参数的挑战。
引用
@article{arxiv.2603.20241,
title = {Probabilistic calibration of crystal plasticity material models with synthetic global and local data},
author = {Joshua D. Pribe and Patrick E. Leser and Saikumar R. Yeratapally and George Weber},
journal= {arXiv preprint arXiv:2603.20241},
year = {2026}
}