Hetero-EUCLID:一种基于应力无监督学习的、用于异质超弹性材料的可解释模型发现方法

《Computer Methods in Applied Mechanics and Engineering》:Hetero-EUCLID: Interpretable model discovery for heterogeneous hyperelastic materials using stress-unsupervised learning

【字体: 大 中 小 】 时间:2026年01月14日 来源:Computer Methods in Applied Mechanics and Engineering 7.3

编辑推荐:

  提出Hetero-EUCLID框架,通过贝叶斯-EUCLID方法结合稀疏先验和蒙特卡洛采样,利用表面位移和边界平均力数据实现异质材料的三维分段与参数识别,验证其在不同材料和网格下的有效性,适用于数字图像/体积相关实验及生物医学领域。

  
Kanhaiya Lal Chaurasiya | Saurav Dutta | Siddhant Kumar | Akshay Joshi
印度科学研究所机械工程系,班加罗尔,印度

摘要

我们提出了一个计算框架Hetero-EUCLID,用于分割和参数识别,以表征异质材料所有成分的完整超弹性行为。在这项工作中,我们利用贝叶斯-EUCLID(高效的无监督本构律识别和发现)框架,通过使用促进稀疏性的先验和蒙特卡洛马尔可夫链采样来高效解决异质化问题。我们利用从非等向拉伸试验的有限元模拟中获得的实验可观测的3D表面位移和边界平均力数据。该框架主要包括两个步骤:基于残差力的分割和本构参数识别。我们验证并展示了所提出框架在各种类型的薄方形异质域上分割域和表征组成材料的能力。我们还验证了该框架在存在多级位移噪声和非原生网格离散化情况下的分割和表征材料的能力,即使用不同的网格进行前向FE模拟和逆EUCLID问题。这证明了Hetero-EUCLID框架在基于数字图像/体积相关的实验场景中的适用性。此外,所提出的框架基于单次实验的数据成功进行了分割和材料表征,从而使其在航空航天和国防复合材料等领域以及医学条件(如纤维动脉粥样硬化或癌症)中的选择性组织硬化表征方面具有可行性。

引言

随着生物医学工程相关性的增加,人们对理解生物组织的机械行为越来越关注。许多这些组织表现出内在的材料异质性[1],[2],[3],这需要开发多段本构模型。这样的模型可以显著提高我们对复杂生物力学过程的理解,包括主动脉瘤的进展[4],[5],[6]以及由于肿瘤生长导致的组织局部硬化[7],[8]。
传统的本构建模方法涉及对事先假设的本构方程进行现象学模型校准,利用来自数字图像相关(DIC)的全场位移数据结合来自力传感器的边界平均力测量[9]。确定本构参数的逆问题使用有限元模型更新(FEMU)[10]或虚拟场方法(VFM)[11]来解决。然而,假设材料的本构方程形式限制了可以使用这种方法表征的材料和本构模型。为了克服传统模型校准的局限性,并能够表征那些无法通过现有模型很好地解释的材料,过去的一些工作试图完全绕过[12],[13],[14],[15],[16],[17],[18],[19],或使用替代本构模型[12],[13],[14],[15],[16],[17],[18],[19],[20],[21],[22],[23],[24],[25],[26],[27],[28],[29],[30],[31],[32],[33],[34],[35],[36]。基于替代本构模型的方法使用高斯过程回归(GPR)[20],[21],径向基函数(RBF)[22],分段多项式插值[23],[24]和人工神经网络(ANN)[25],[26],[27],[28],[29],[30],[31],[32],[33],[34],[35],[36]来识别机械应力与应变之间的关系。一些基于ANN的本构建模工作结合了新的度量(如输入凸性)以确保ANN预测的应变-能量密度或应力历史在热力学上是一致的[37],[38],[39],并遵守其他物理约束,如客观性、材料框架无关性和多凸性[27],[40]。此外,为了解决缺乏用于监督训练的完整应力张量数据的问题,一些框架利用线性动量平衡[41]或虚拟场方法[36],[42]来训练ANN或循环神经网络(RNN),仅使用实验可用的表面位移和边界平均力数据来替代材料的应力-应变关系。
尽管无监督的应力ANN/RNN能够学习复杂的本构模型,但它们提供的本构模型不具备可解释性。EUCLID框架[43]最初是为了以可解释的方式模拟复杂的均匀超弹性本构行为而引入的。这是通过使用预定义的已知应变能量密度库进行稀疏符号回归来实现的。此后,EUCLID框架被扩展用于模拟均匀弹性塑性材料[44]、粘弹性材料[45]和广义标准材料[46]。上述大多数工作都集中在模拟均匀材料上。
早期的一项工作仅使用表面位移数据[47],专注于不可压缩线性弹性异质固体的弹性成像,利用新型的物理信息神经网络(PINNs)来预测材料内部位置的杨氏模量的变化。同一作者的后续工作使用多个PINNs来获得弹性成像中泊松比的空间变化[48]。另一项工作详细研究了使用表面位移数据和相关的应变不变量来分割异质超弹性材料[49]。最近的一项工作使用基于无监督应力ANN的框架[50]来分割和模拟异质超弹性固体,其中ANN的输入是应变不变量和查询位置,ANN的输出是应变能量密度。这种新型的基于ANN的框架能够分割并再现超弹性固体中每个部分的本构模型。然而,使用ANN使得发现的模型不可解释,并且不对发现的模型提供不确定性估计。此外,由于查询位置是上述ANN的一个重要输入,这将使得在其他几何形状上进行前向模拟时采用ANN作为本构模型变得复杂。在这个背景下,我们提出了Hetero-EUCLID框架,其中我们将贝叶斯-EUCLID框架[51]扩展用于分割异质固体,并仅使用表面位移和边界平均力数据为所有成分提供可解释的本构模型。
在异质几何形状中对所有成分进行本构建模的问题可以分为两个子任务:分割几何形状和获取所有涉及材料的本构模型。在当前工作的第2节中,我们介绍了:
  • •
    扩展最初为均匀材料开发的贝叶斯-EUCLID框架[51]以模拟分段均匀材料的过程。
  • •
    仅依赖于表面位移数据的现有分割技术的调查,以及我们选择残差力方法的原因。
  • •
    关于位移噪声及其对所提出框架结果影响的缓解措施的评论。
图1提供了所提出的Hetero-EUCLID框架的示意图。在第3节中,我们展示了在包含两个或更多超弹性成分的方形几何形状上的验证研究结果。验证研究使用了来自薄超弹性试样的双轴拉伸试验的表面位移数据和边界平均法向反作用力数据。
对于本研究的范围,我们从三维有限元模拟中获取位移和边界平均法向力数据。这与之前类似的研究不同,那些研究专注于在2D平面应变设置中验证他们的结果[41],[50]。在第3节中,我们还在“非原生”网格化几何形状上验证了所提出的Hetero-EUCLID框架,其中用于执行逆Hetero-EUCLID分析的有限元网格与用于生成位移和边界平均力的有限元网格不同。第4节以对研究结果和潜在未来工作的评论结束。

章节片段

结合异质性

考虑一个三维参考域
Ω∈R3 χ={Xa∈Ω:a=1,?,nn} u,t∈R3:a=1,?,nt;t=1,?,nt} < />,t:k=1,?,nt;i=1,2,3}
在nt时间步长内,边界聚合反作用力测量值可以在nb(???nn)负载传感器点表示为
为了评估所提出的方法,我们使用Abaqus/CAE 2025软件进行有限元模拟,以生成对应于各种异质性模式的合成计算数据集,如图7所示。该模型由一个50mm × 50mm × 1mm的薄方形板组成,由多个超弹性材料段组成,并受到准静态、位移控制的非等向拉伸。假设在平面应力条件下分析试样

结论与展望

在这项研究中,我们提出了并验证了Hetero-EUCLID,这是一个物理约束的、可解释的框架,用于在3D平面应力条件下发现异质超弹性材料的分割和区域?本构模型。我们证明了Hetero-EUCLID能够准确识别不同异质性模式(包括交叉包含、分割域、非圆形)的材料界面边界和每个区域的本构定律。

CRediT作者贡献声明

Kanhaiya Lal Chaurasiya:写作 – 审稿与编辑,撰写原始草稿,可视化,验证,方法论,调查,形式分析,数据管理,概念化。Saurav Dutta:写作 – 原始草稿,可视化,验证,调查,数据管理。Siddhant Kumar:写作 – 审稿与编辑,方法论,概念化。Akshay Joshi:写作 – 审稿与编辑,可视化,验证,监督,软件,资源,项目管理,方法论,

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号