特色应用
所提出的本构感知物理信息神经网络框架可应用于深海探测设备中薄PMMA透明部件的性能评估、设计优化和安全预测，同时也为评估其他压敏粘弹性材料在极端环境下的抗冲击性能提供了一种灵活的建模范式。
摘要
深海透明结构中薄PMMA板件的抗冲击性对于碰撞安全至关重要，其行为受高应变率载荷和静水压力的控制。传统经验本构模型对应变比效应和复杂能量耗散的适应性有限，导致抗冲击评估出现显著偏差。本研究提出了一种本构感知物理信息神经网络框架，将数据驱动的本构神经网络与嵌入式物理约束相结合。所提出的本构网络替代理论模型以捕捉速率相关的应力响应，而物理信息网络则强制执行动量守恒、能量平衡、热力学耗散不等式以及压力引起的应力限制。研究提出了一种动态加权多模态损失函数，用于确保数据训练过程中约束的稳定执行。基于高速冲击试验的实验验证确认了本构与物理约束网络的准确性。数值结果表明，静水压力的增加会改变能量耗散特性，提高剩余弹丸速度，并降低抗冲击性能。该框架为评估深海工程中薄壁PMMA结构的抗冲击性能提供了一种高效且物理一致的方法。
