《Engineering Applications of Artificial Intelligence》:Mechanics-audited stateful operators for path-dependent finite-element digital twins
编辑推荐:
路径相关有限元(finite-element, FE)数字孪生(digital twin, DT)要求同时预测位移和隐藏塑性状态。仅获得准确场并不能确立正确的状态演化或力学平衡。研究人员开发了一种力学审计(mechanics-audited)图算子(graph
路径相关有限元(finite-element, FE)数字孪生(digital twin, DT)要求同时预测位移和隐藏塑性状态。仅获得准确场并不能确立正确的状态演化或力学平衡。研究人员开发了一种力学审计(mechanics-audited)图算子(graph operator),其具有耦合的节点和积分点(quadrature-point)循环状态。该算子预测完整平面应变塑性张量和累积等效塑性应变,同时以装配残差(assembled residuals)、原生能量(native energy)和局部本构偏差(local constitutive discrepancies)正则化训练。所有核心模型共享一个弹性参考(elastic reference)。单独的线性快照锚(linear snapshot anchor)保留场与力学比较。基准包含三个复杂二次网格上的240条独立材料和加载轨迹,并对每条参考进行塑性激活和小变形范围检查。训练、验证和测试集互斥;60次模型运行采用50个epoch和五个随机种子。96条轨迹的测试集包含一个未见的非比例路径族(non-proportional path family)。与架构匹配的仅数据模型相比,审计算子将平均主动状态增量误差(active-state-increment error)从0.651改变为0.702,并将残差比(residual ratio)从4.102改变为2.142。残差与场误差的联合收益未得到确立。在经典本构再积分(classical constitutive reintegration)下,残差改善方向仍然存在。主模型的平均位移相对误差为0.041;配对轨迹区间和优化变异性分别报告。非循环全前缀(non-recurrent full-prefix)和基于Transformer的本构基线揭示了剩余权衡。结果支持在合格数值域内对可观测场、塑性记忆和平衡进行分离评估;它们未确立普遍模型优越性或自主部署可靠性。
**研究背景与问题**
路径相关有限元(finite-element, FE)数字孪生(digital twin, DT)需要在非线性力学系统中反复预测、稀疏传感同化和状态更新。传统小应变von Mises塑性增量解对单一加载路径仍是参考,但在分摊式多查询运行中,几何、材料参数及当前载荷或位移不能唯一决定下一响应;两条历史可达到相似可见状态,却携带不同等效塑性应变、塑性功、屈服活动、切线刚度和未来演化。现有算子学习可实现快速场预测和网格迁移,但可观测场的误差本身不能验证积分点(quadrature-point)塑性记忆、装配平衡或耗散路径行为。快照模型可遗漏隐藏塑性历史,循环模型可能学习错误演化,本构容许性、力学平衡和路径精度并不必然同步改善,稀疏位移观测还带来可辨识性限制。因此,研究人员提出力学审计状态算子,将状态预测与独立力学审计结合,并在共同路径协议下检验其是否优于强因果序列替代模型。
**研究开展与总体结论**
研究人员构建了节点与积分点耦合循环的状态图算子(graph operator),预测位移、完整平面应变塑性张量和累积等效塑性应变,并由预测塑性张量装配应力、自由残差和原生能量;本构、残差和能量项作为软正则。所有核心模型共享弹性提升,另设线性快照锚。基准为三个已知网格上的240条独立材料与加载轨迹,训练108条、验证36条、测试96条,测试含未见非比例路径族;60次运行采用50个epoch和五个种子。与架构匹配的仅数据模型相比,审计模型将平均学习状态残差比由4.102降至2.142,但主动状态增量误差由0.651升至0.702,计划中的记忆收益及残差/场误差联合收益未确立。主模型平均位移相对误差为0.041。经典本构再积分保持残差改善方向,但不构成非线性平衡求解,也不修复传播记忆。非循环全前缀和基于Transformer的本构基线揭示剩余权衡。结果表明需在合格数值域内分别评估可观测场、塑性记忆和平衡,不能据此宣称普遍优越或自主部署可靠。
**关键技术方法**
关键技术包括:构建节点-积分点耦合循环图神经算子(graph neural operator, GNO),以图消息传递和门控循环单元(gated recurrent unit, GRU)推进位移及五分量平面应变塑性状态;采用共享弹性提升和固定边齐次Dirichlet约束;由预测塑性张量装配应力、自由残差与原生能量,并联合位移/应变、状态/增量及局部本构软正则;以经典J2返回映射(return mapping)和固定位移路径再积分作相容性审计;在曲孔、多孔和缺口三个六节点三角形网格上生成合成材料/加载轨迹,材料参数为E=90–110 GPa、ν=0.3、σ
y=0.095–0.105 GPa、H=5–7 GPa;另用公开SM490A试样(coupon)与单调数字图像相关(digital image correlation, DIC)数据作有限物理转移审计。
**研究结果**
线性快照比较:研究人员在相同快照输入上比较坐标MLP、DeepONet、FNO、MeshGNO、Mesh2MeshGNO和PCGNO,发现位移误差最低者并非残差或能量最优者;DeepONet位移误差最低,但其残差比高于MeshGNO,能量排序又不同,说明场精度不蕴含力学一致性。
合格非线性核心:在96条独立测试轨迹上,与仅数据HistoryGNO相比,力学审计模型残差比较低但主动状态增量误差较高;S-NOT–J2在池化场、全状态和主动增量误差上最低,说明循环张量头不能仅因力不平衡下降而被视为恢复塑性记忆。
路径族与反向分支诊断:在未见非比例路径族中,审计模型主动状态增量误差由0.638升至0.894,残差比由0.915升至5.823;循环轨迹局部点显示学习状态在反向加载后可能使累积塑性应变下降,而参考及经典J2分支保持非减;反向分支诊断中,审计模型等效塑性应变增量和塑性功增量误差仍在三个几何上高于仅数据模型。
经典本构再积分审计:固定预测位移路径后按经典J2再积分,审计模型与仅数据模型的残差比分别变为1.378和2.815,改善方向在三个几何一致,但绝对力不平衡仍显著;该审计不是牛顿修正、状态修正网络 rollout,也不能替代失败的主检验。
物理转移与操作边界:公开SM490A试样零样本审计中,HistoryGNO并非最低应变归一化均方根误差(normalized root-mean-square error, NRMSE)模型;锁定单试样更新使热感知HistoryGNO应变NRMSE由0.5384±0.2345降至0.4138±0.0042、循环功误差由1.3395±0.3193降至1.0113±0.0160,但反向误差仍较高;全字段分支使用冻结S-NOT-90k及适配器,仅在O5-1和O14-1上产生约1.76%和1.32%的位移NRMSE相对降低,说明物理转移有限,循环部件合格性未建立。
计时与解释边界:冻结检查点32步单路径前向为41.24–47.64 ms,常规非线性FEM同路径为2.534–2.965 s,但该比较为描述性且未匹配预测精度;力学审计模型每50-epoch训练时间为128.65–152.80 s,新活动日志含并发GPU工作,不支持受控效率排名。
**讨论与结论翻译**
讨论部分将误差来源区分为参考离散与求解、模型生成本构状态、审计统计量解释三类;有效线性锚和合格非线性核心支持不同部分,公开试样及单调DIC数据增加物理观察但模型归因较窄。该表述属于研究阶段的状态-审计方法,不是已确立的自主替代。结论翻译如下:联合证据支持三点结论。(i)场精度和力学一致性需分别评估:未受影响的线性快照实验给出不同场、残差和能量排序,而全张量状态预测使新的非线性审计能够使用预测塑性张量而非参考塑性张量。(ii)在96条独立测试轨迹上,力学正则化将平均学习状态残差从4.102降至2.142,但将主动状态增量误差从0.651升至0.702;计划中的记忆收益及残差/场误差联合收益未得到确立。经典本构再积分保持残差变化方向,但不构成非线性平衡求解,也不修复网络的传播记忆。(iii)物理转移与操作合格性保持分离:试样(coupon)和单调DIC结果属于其所述适应分支,它们及数值核心均未确立循环部件合格性、校准的自主接受或精度合格的加速。该贡献是可追踪的状态-力学比较及有效参考条件,而非普遍优越性或替代非线性FEM。