利用人工神经网络,对由Winkler-Pasternak弹性地基支撑的功能梯度负泊松比超材料板在热作用下的后屈曲行为进行分析
《Applied Mathematical Modelling》:Thermal postbuckling analysis of functionally graded auxetic metamaterial plates supported by Winkler-Pasternak elastic foundation using artificial neural networks
【字体:
大
中
小
】
时间:2026年05月05日
来源:Applied Mathematical Modelling 5.1
编辑推荐:
彭实 | 王梓轩 | 吴国越黄 | 赵伟 | 谢航 | 拉杰·基兰 | 杨健
中国河南省驻马店市黄淮大学智能制造学院,463000
**摘要**
本研究开发了一个集分析方法和机器学习于一体的框架,用于研究功能梯度石墨烯折纸辅助超弹性材料(FG-GOEAM)板材在双参
彭实 | 王梓轩 | 吴国越黄 | 赵伟 | 谢航 | 拉杰·基兰 | 杨健
中国河南省驻马店市黄淮大学智能制造学院,463000
**摘要**
本研究开发了一个集分析方法和机器学习于一体的框架,用于研究功能梯度石墨烯折纸辅助超弹性材料(FG-GOEAM)板材在双参数Winkler-Pasternak弹性基础上的非线性热后屈曲行为。通过基于遗传编程的微观力学模型来表征材料的有效属性。非线性控制方程基于Reddy的高阶剪切变形理论以及von Kármán运动学非线性建立,并采用Galerkin方法进行解析求解。为克服迭代非线性解析求解器的计算成本,构建了两种人工神经网络(ANN)架构,分别采用贝叶斯正则化(BR)和Levenberg-Marquardt(LM)算法进行训练,以预测临界屈曲温度和后屈曲平衡路径。验证结果表明,训练有素的ANNs作为高效替代模型,平均平方误差为1×10^?5,最大预测误差始终低于1%。比较评估显示,与LM方法相比,BR算法在高度非线性领域具有更好的泛化能力和数值稳定性。参数研究得出了关于结构稳定性的几个关键结论。在评估的各种增强配置中,X形分布模式最大化了有效弯曲刚度,从而获得了最高的临界热屈曲阈值。此外,由于石墨烯固有的高弹性模量和负热膨胀系数的结合,增加石墨烯折纸含量和折叠程度显著提高了热后屈曲抗性。最后,与Pasternak剪切层的相互作用对横向变形梯度具有显著的稳定作用,进一步增强了板材的整体热韧性。
**引言**
FG-GOEAM是一种新型材料系统,结合了GOri独特的构型驱动结构响应和功能梯度材料(FGMs)的连续性质梯度。得益于纳米尺度上的折纸启发式变形机制以及成分和微观结构的渐进变化,FG-GOEAM表现出高刚度、优异的能量耗散能力、可调的超弹性和在极端载荷条件下的改善机械韧性[1],[2],[3],[4],[5]。加入基于石墨烯的结构不仅提高了强度重量比,还实现了自适应的机械响应,使这些材料非常适合应用于航空航天、生物医学植入物、抗冲击结构和智能材料。此外,FG-GOEAM的非线性动态行为、后屈曲响应和振动特性对其结构性能至关重要,需要先进的分析、数值和机器学习建模方法来优化其在复杂工程环境中的设计和功能。
Ebrahimi等人[6]利用Timoshenko梁理论对包含功能梯度GOri的超弹性材料梁中的波传播进行了全面分析,该分析是在Winkler-Pasternak基础的影响下进行的。此外,还研究了不同GOri分布模式,揭示了沿厚度方向的均匀和功能梯度配置。Murari等人[7]对浸入流体中的变厚度FG-GOEAM梁的屈曲和动态不稳定特性进行了全面分析,强调了负泊松比(NPR)的影响。有效材料属性(包括杨氏模量和泊松比)是使用基于遗传编程(GP)的微观力学模型推导出来的。该研究在一阶剪切变形理论(FSDT)框架内构建,并采用Hamilton原理建立了控制方程。Ezzati等人[8]通过改进的梁理论研究了超弹性材料梁的热屈曲问题,考虑了它们在Winkler-Pasternak基础上的支撑。Yan等人[9]使用无网格方法评估了具有矩阵缺陷的FG-GOEAM结构的非线性弯曲。Lv等人[10]分析了在组合热机械载荷(包括双向压缩和均匀温度变化)作用下的FG-GOEAM板材的后屈曲稳定性。与稳定性分析并行,这些先进复合材料的动态行为也受到了广泛关注。最近的研究深入探讨了石墨烯增强板材和壳体的自由振动特性,表明石墨烯片层的战略分布可以显著调整固有频率和模式形状。Li等人[11]研究了在热环境中的FG-GOEAM双曲壳体的动态和混沌响应,考虑了平板、圆柱形、球形、双曲抛物面和椭圆抛物面壳体等多种几何形状。非线性公式基于Reddy的三阶剪切变形理论和von Karman假设,运动方程采用Galerkin方法求解。Murari等人[12]研究了浸入牛顿流体中的FG-GOEAM梁的自由和强迫振动行为。梁的运动学使用FSDT建模,控制方程通过差分求积法数值求解。Lv等人[13]研究了在热环境下具有自由复杂切割和裂纹的FG-GOEAM板材的自由振动。控制方程基于FSDT和Hamilton原理推导,并通过广义差分求积有限元方法离散化以获得固有频率。Pham等人[14]研究了在热载荷和爆炸载荷下,放置在粘弹性Pasternak基础上的具有非线性变化厚度的FG-GOEAM板材的自由振荡和瞬态响应。弱形式基于Hamilton原理和HSDT推导,固有频率和动态响应通过等几何分析结合Newmark积分方案获得。Zhang等人[15]采用准三维精细理论(Q3D-NRT)研究了由GOri增强超弹性金属材料组成的FG环形扇形板材在机械冲击载荷下的动态响应。Yao等人[16]研究了GOri圆形板材增强的FG超弹性材料环形板材的静态和固有频率响应。控制方程基于高阶剪切变形理论(HSDT)和Hamilton原理建立,随后使用有限元方法(FEM)求解。虽然这些研究在表征这些材料的响应方面取得了显著进展,但继续开发复杂的计算和理论工具对于优化其机械响应和实现其完整的工程应用至关重要。
研究板材和壳体结构的热后屈曲行为对于确保高温工程应用中的结构完整性、耐用性和最佳性能至关重要,特别是在航空航天、核能和汽车工业中。在极端热环境中,这些结构会经历复杂的非线性变形,可能导致稳定性丧失、刚度显著下降和灾难性失效。材料异质性、几何非线性、边界约束和热膨胀效应的复杂相互作用使得其后屈曲响应高度敏感且难以预测。专门为热韧性设计的先进材料(如FGMs和复合层压板)需要深入理解其结构行为,以提高性能和服务寿命。通过整合分析建模、计算模拟和人工智能驱动的方法,研究人员可以建立精确的预测框架,促进开发能够在极端操作条件下保持性能的稳健、热稳定的结构,同时优化重量效率、机械强度和寿命。Tao等人[17]研究了在偏航超音速流作用下,三维功能梯度(TFGM)矩形和锥形板材的热后屈曲、气动弹性颤振和热诱导的后屈曲颤振现象。他们使用von Kármán非线性应变框架、通用HSDT和一阶活塞原理,通过Hamilton原理系统推导了TFGM板材的运动控制方程。Li等人[18]研究了具有通用缺陷分布的剪切变形各向异性层压圆柱壳体的热后屈曲。他们检查了几种典型的温度场,包括均匀温度、帐篷状线性分布以及壳体表面和厚度上的轴向和周向二次抛物线温度场。Taati等人[19]提出了一种闭合形式解决方案,用于表征在任意温度梯度下,沿厚度和长度方向增强的氮化硼纳米管复合(BNNTRC)梁的非线性弯曲和热后屈曲行为。他们基于修正的Timoshenko梁理论和von Kármán几何非线性推导了控制方程,用于承受热机械载荷的BNNTRC梁,并应用变量变换技术精确求解这些方程,最终得到了非线性横向变形的显式闭合形式表达式。Lu等人[20]采用实验方法评估了碳纤维增强热塑性复合材料(CFRTPCs)的温度和应变依赖应力-应变关系,然后利用这些发现预测了CFRTPC层压板材的非线性弯曲响应和热后屈曲行为。Fan等人[21]引入了一种基于表面弹性的三维(3D)非线性公式,研究了具有各种形状中心切割的多孔复合纳米板材的热后屈曲行为。他们在混合准三维高阶板理论框架内采用了Gurtin-Murdoch弹性理论来考虑表面应力效应。此外,多项引人注目的研究探讨了复合结构的屈曲和后屈曲[22],[23],[24],[25],[26],[27],[28],强调了理解这些现象对优化设计策略和提高工程应用中材料效率的重要性。
此外,结构部件的热机械稳定性严格取决于它们与支撑介质的相互作用。这种依赖性需要精确的数学公式化基础刚度参数。最基本的方法是经典的Winkler模型,它将路基理想化为一系列相互独立的线性弹性弹簧[29],[30]。在这种公式中,任何特定点的横向基础反作用力仅与该坐标处的局部变形成正比。虽然计算效率高,但这种离散弹簧假设存在一个关键的物理限制:它本质上忽略了相邻基础元素之间的剪切力传递。为了解决这一差异并建立一个物理连续的域,广泛采用了双参数Pasternak基础模型[31],[32]。该高级模型引入了一个剪切变形层,数学上耦合了独立的Winkler弹簧。通过引入由支撑介质的剪切模量定义的第二个参数,Pasternak公式准确捕获了横向剪切相互作用和路基表面轮廓的连续性[33],[34]。由于能够表示边界约束,弹性基础模型广泛用于预测复合结构的静态、动态和屈曲响应[35],[36],[37],[38],[39]。最近的研究还将弹性基础模型应用于各种结构系统。Ozalp[40]提出了一种三角HSDT,用于研究具有泡沫芯和对称FGM面层的夹层板的热机械屈曲。使用Hamilton原理为在磁场中放置在Pasternak基础上的板材推导了控制方程。结果突出了泡沫孔隙率、FGM梯度、轴向载荷、温度升高、磁场和基础参数对屈曲响应的显著影响。Arani等人[41]研究了具有复合面层和超弹性芯的夹层板在显著厚度变化下的非线性大振幅振动和动态变形。他们开发了一种全局-局部之字形超弹性板理论,考虑了芯的不可压缩性和增强的横向变形效应。该公式基于Hamilton原理和von Kármán非线性,考虑了粘弹性Winkler-Pasternak基础、多种载荷条件和边界约束。Zaitoun等人[42]分析了在粘弹性Pasternak基础上的FG夹层板在湿热条件下的屈曲行为。他们开发了一种仅包含四个未知数的高效HSDT,通过正弦函数引入了剪切变形。控制方程基于Hamilton原理推导,并通过Navier方法解析求解,强调了层配置和基础阻尼对临界屈曲温度的影响。Tounsi等人[43],[44],[45]研究了在各种边界条件下的FG夹层板的自由振动和热机械弯曲行为。分析考虑了湿热环境和弹性基础的影响,包括三参数粘弹性和非线性粘性Pasternak模型。控制方程基于Hamilton原理推导,板运动学基于简单的二维积分剪切变形理论描述。结果表明,弹性基础的存在显著提高了FGM夹层板在热载荷下的固有频率并减少了变形。Lafi等人[46]研究了在各种边界条件和谐波热载荷下,放置在Winkler、Pasternak和Kerr基础上的FGM夹层板的热机械弯曲。板材由均匀陶瓷芯和具有厚度方向性质变化的FGM面层组成。采用了一种基于积分的剪切变形理论,并减少了未知数的数量,利用哈密顿原理推导出了控制方程。Khorasani等人[47]使用适用于不同孔隙率水平的精细公式,分析了FGM多孔Timoshenko梁的振动行为。这些梁由硅胶气凝胶基础支撑,并受到热液载荷的作用。材料属性采用幂律分布来描述,控制方程通过哈密顿原理推导出来,并使用纳维方法求解。Mudhaffar等人[48]应用了一个四未知量的准三维剪切变形理论,研究了置于粘弹性基础上的FGM板的弯曲行为,这些板同时受到湿热机械载荷的作用。控制方程同样基于虚位移原理推导出来,并通过纳维方法求解。该研究还考察了一个包含时间依赖粘性参数的粘弹性基础模型,以及Winkler和Pasternak系数。
人工神经网络(ANNs)已成为结构力学中强大的计算工具,为解决具有非线性、高维度和计算强度特征的复杂工程问题提供了一种高效且数据驱动的方法。通过建立从输入参数(包括材料属性、几何配置和边界条件)到结构响应(如应力、自然频率和屈曲载荷)的复杂映射,ANNs成为传统数值方法的一种稳健替代方案。它们的应用范围涵盖了各种结构系统,包括功能梯度材料(FGM)、复合材料和夹层板,能够在静态、动态和热载荷条件下实现快速准确的预测。此外,ANNs还作为成本高昂的技术(如有限元方法FEM)的有效替代品,促进了参数化研究、设计优化和逆向建模的进行。将其集成到结构分析中不仅提高了计算效率,还实现了实时评估、结构健康监测和自动化设计过程,标志着现代结构工程的重大进步。Tahir等人[49]使用ANN对文献中的实验数据进行了系统分析,他们使用贝叶斯正则化反向传播训练函数对网络进行了训练。然后,将ANN模型预测的屈曲载荷与国家航空航天局(NASA)、欧洲规范3(EC3)提供的设计建议以及实验屈曲载荷进行了比较。Mallela等人[50]开发了一种分析和计算效率高的工具,利用ANN来预测受平面剪切载荷作用的层压复合材料加强板的屈曲载荷。训练和测试数据库是通过有限元分析生成的。Tao等人[51]采用了一种基于物理信息的人工神经网络(PANN),利用实验数据预测了薄壁圆柱的屈曲载荷。该方法展示了提高预测精度和遵循基本物理定律的潜力。首先通过一个梁问题来展示PANN的能力,随后使用该方法进行了圆柱屈曲分析。Turan等人[52]基于功能梯度热变形理论(FSDT)对功能梯度多孔梁(FGM-P)在各种边界条件下的自由振动和屈曲进行了分析,同时也使用FEM和ANN方法解决了这个问题。Liu等人[53]研究了施加电压时具有压电层的微板的热屈曲现象,利用FSDT和Ritz方法生成了ANN的训练数据。然后基于Levenberg-Marquardt算法开发了一个ANN模型,能够高精度地预测临界屈曲温度。除了预测屈曲载荷外,还有几项研究利用ANN预测了其他线性参数,例如结构的自然频率[54]、[55]、[56]、[57]、[58]、[59]。这些研究将ANN的预测结果与实验数据以及 analytical 和数值解进行了对比,从而验证了它们的效率和准确性。相关文献调查显示,尽管ANN在解决线性特征值问题(如确定自然频率和临界屈曲载荷)方面是成熟的工具,但在处理更复杂的非线性挑战(如热后屈曲)方面采用得还不够广泛。
尽管取得了上述进展,但在理解FG-GOEAM板在高温和相互作用弹性基础联合约束下的高度非线性热后屈曲平衡路径方面仍存在显著差距。从基础力学的角度来看,负泊松比(负泊松性)和石墨烯折纸的固有负热膨胀系数的耦合引入了一种独特的热机械现象。具体而言,负泊松性通过促进局部收缩而不是均匀横向扩展来改变压缩载荷下的平面热应力分布。这种局部收缩机制直接抵消了热诱导的体积膨胀,从根本上提高了临界屈曲阈值和随后的后屈曲承载能力,优于传统的非负泊松性FGM。然而,要解析地捕捉这种复杂的非线性相互作用需要求解从高阶剪切变形理论派生出的高度耦合的非线性方程组。传统的数值积分或迭代程序用于求解非线性后屈曲路径通常计算量很大。这种计算负担在逆向工程、参数敏感性分析或结构优化任务中成为关键瓶颈,其中需要数千次设计迭代。因此,迫切需要一个计算效率高的框架,既能保持微观力学和非线性结构公式的严谨性,又能实现即时预测能力。为了解决这些根本性和计算挑战,本研究提出了一种新的集成范式,将分析力学与机器学习相结合。这种混合方法将复杂的基于物理的公式转化为高度准确的数据驱动的替代模型,通过先进的ANN架构实现。这种方法的新颖之处在于其双重能力:它系统地揭示了负泊松性和相互作用基础刚度对热稳定性的协同物理效应,同时建立了一个能够绕过传统非线性求解器计算成本的稳健预测工具。
在这段新颖范式的指导下,本研究的具体主要贡献如下:
- 建立了一个基于Reddy’s HSDT和von Kármán运动学的严格分析框架,以准确捕捉功能梯度超材料板的大变形力学和横向剪切效应。
- 通过Galerkin程序推导出临界屈曲温度和高度非线性后屈曲平衡路径的显式数学表达式,为结构稳定性提供了基本的理论基准。
- 实施并比较评估了两种不同的神经网络架构(贝叶斯正则化和Levenberg-Marquardt算法),这一计算步骤成功构建了高保真的替代模型,大幅加快了热稳定性响应的预测速度。
- 进行了全面的验证研究,将解析解与机器学习输出进行了对比,展示了卓越的一致性,并确认了混合方法的预测稳健性。
- 进行了广泛的参数调查,量化了特定石墨烯分布模式(U形、X形和O形)、折叠程度和双参数基础约束的相互作用效应,从而为高温工程应用提供了可行的设计指导。
从工程角度来看,FG-GOEAM板的热稳定性决定了它们在极端温差环境中的应用能力。负泊松变形机制减轻了局部热应力集中,使得这些复合结构适合集成到高超飞行器的热保护系统和核反应堆中的结构屏蔽部件中。此外,所开发的ANN计算框架具有广泛的方法适用性,作为高效的替代模型,可以取代迭代数值求解器。这一能力促进了快速参数敏感性分析,使集成到结构优化算法成为可能,并支持初步结构设计阶段的实时评估协议。
本文的结构如下:第2节概述了FG-GOEAM结构的几何配置和材料组成。随后,第3节根据Reddy’s HSDT建立了控制方程。第4节使用Galerkin方法获得了封闭形式的解。第5节描述了ANN架构的开发,这些架构利用LM和BR算法来估算临界热载荷和后屈曲响应。第6节进行了全面的验证,将推导出的解析模型与已发表的结果进行了对比,并评估了机器学习输出与理论模型之间的相关性;该部分还进行了参数调查,探讨了材料常数、几何配置和基础刚度对FG-GOEAM板机械响应的影响。最后,第7节总结了主要结论并讨论了所开发框架的更广泛影响。
模型描述和材料公式
图1展示了所研究的系统:一个由双参数Winkler-Pasternak介质支撑的FG-GOEAM板。该结构组件由其几何参数定义:宽度a、长度b和厚度h。它具有分层结构,材料属性随厚度而功能梯度变化。插图突出显示了微观组成,其中石墨烯折纸嵌入铜基体中,提高了材料的机械和热性能。
控制方程
采用Reddy’s HSDT的运动学假设来准确捕捉FG-GOEAM板的横向剪切变形效应。这种理论优于FSDT,因为它考虑了板厚方向的抛物线分布的横向剪切应变,并满足顶部和底部表面的零牵引边界条件,因此消除了通常难以精确确定的剪切修正因子的需求。
解析解
板受到所有四个边缘简单支撑的边界条件[60]、[64]:
$$
w_0 = u_0 = \phi_y = M_xx = P_xx = 0, \quad N_xx = N_x, \quad a_{w0} = v_0 = \phi_x = M_yy = P_yy = 0, \quad N_yy = N_y, \quad a_{at} = 0, \quad b
$$
满足简单支撑边界条件的横向位移和旋转的近似解($w_0, \phi_x, \phi_y$)如下[60]、[64]:
$$
w_0 = W\sin(\lambda mx)\sin(\lambda ny), \quad \phi_x = \phi_x\cos(\lambda mx)\sin(\lambda ny), \quad \phi_y = \phi_y\sin(\lambda mx)\cos(\lambda ny)
$$
人工神经网络方法
ANN的进步彻底改变了复杂工程现象的建模。本研究提出了一种ANN框架,用于预测置于Winkler-Pasternak弹性基础上的FG-GOEAM板的热后屈曲行为。该方法不仅实现了高预测精度,而且相比传统解析方法具有显著的计算效率。
讨论
本节详细分析了由铜(Cu)基体组成的FG-GOEAM板,其中包含GOri,并采用了10层结构(NL=10)。研究细致地探讨了弹性基础条件、材料属性和几何参数对这些板热后屈曲行为之间的复杂相互作用。室温下Cu和石墨烯的材料属性如下[2]、[3]:
- Cu的杨氏模量为65.79 GPa。
结论
本研究建立了一个先进的预测框架,将Reddy’s HSDT与ANNs结合,用于分析由双参数弹性基础支撑的FG-GOEAM板的高度非线性热后屈曲轨迹。超越现有文献中认可的基本机械观测,本研究的具体科学贡献和新颖成果如下:
- 该研究成功推导出了显式的封闭形式表达式CRediT
作者贡献声明
Peng Shi:撰写 - 审稿与编辑,撰写 - 原始草稿,方法论,研究,资金获取。
Zixuan Wang:撰写 - 审稿与编辑,验证,方法论,研究。
Vu Ngoc Viet Hoang:撰写 - 审稿与编辑,验证,方法论,研究,概念化。
Wei Zhao:撰写 - 审稿与编辑,方法论,研究。
Hang Xie:撰写 - 审稿与编辑,方法论,研究。
Raj Kiran:撰写 - 审稿与编辑,方法论,研究。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文中的工作。
生物通微信公众号
生物通新浪微博
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