基于多尺度场测量的随机异质材料介观表观弹性性质鲁棒多尺度辨识
经典物理
2020-06-29 v1
摘要
本文旨在高效且鲁棒地求解与复杂微结构异质各向异性材料在宏观与介观尺度弹性性质辨识相关的统计反问题，此类材料的微结构通常无法恰当地以其微观尺度力学组分来描述。在线性弹性理论框架下，给定介观尺度的表观弹性张量场由先验非高斯张量值随机场建模。近期已有一种利用同时在宏观与介观尺度获得的位移场多尺度测量、通过随机计算模型并借助两尺度位移场信息来求解多尺度统计反问题以辨识该先验随机模型超参数的通用方法。本文通过引入 (i) 与运动学场空间相关长度相关的介观数值指标，使得先前工作中耗时的全局优化算法（遗传算法）可被更高效算法替代；以及 (ii) 先验随机模型中超参数的特设随机表示，以增强统计反辨识方法的鲁棒性与精度，从而提升该方法的计效效率、精度与鲁棒性。最后，所提出的改进方法先在硅材料（in silico）中于二维平面应力与三维线性弹性框架下验证（使用数值计算获得的双尺度模拟数据），随后于二维平面应力线性弹性框架下在真实异质生物材料（牛皮质骨）上示例（使用机械测试结合数字图像相关获得的双尺度实验数据）。
引用
@article{arxiv.2006.14854,
title = {Robust Multiscale Identification of Apparent Elastic Properties at Mesoscale for Random Heterogeneous Materials with Multiscale Field Measurements},
author = {Tianyu Zhang and Florent Pled and Christophe Desceliers},
journal= {arXiv preprint arXiv:2006.14854},
year = {2020}
}