《Computers & Structures》：Hyper-reduced order modeling for nonlinear electromechanics using multi-field POD and ECM for dielectric elastomer actuators
编辑推荐：
本论文介绍了一种基于投影的超降阶方法论，在非线性电力学背景下，专门针对介电弹性体驱动器（DEAs）的模拟。尽管高保真有限元（FE）模型在捕捉复杂耦合多物理场响应（本例中耦合准静态电场和超弹性力学响应）方面具有鲁棒性，但其高计算成本往往使其在材料选择或最优控制等
本论文介绍了一种基于投影的超降阶方法论，在非线性电力学背景下，专门针对介电弹性体驱动器（DEAs）的模拟。尽管高保真有限元（FE）模型在捕捉复杂耦合多物理场响应（本例中耦合准静态电场和超弹性力学响应）方面具有鲁棒性，但其高计算成本往往使其在材料选择或最优控制等多查询工程问题中不切实际。为克服这一限制，研究人员提出了一种框架，将多场本征正交分解（POD）与经验立方体法（ECM）相结合。这一集成构成了超降阶模型（HROM）最早应用于处理大变形电力-机械耦合所固有的高维非线性的案例之一。该方法的一个关键优势在于其能够保持高保真FE框架底层数学结构。通过将降阶残差的组装视为求积问题，该超降阶方案确保了原始问题的变分一致性得以维持。这保证了切线刚度矩阵的关键性质（如正定或负定性）被HROM继承，这对于强非线性电力学问题中稳健且稳定的牛顿-拉夫森迭代至关重要。研究人员通过复杂的基准算例（包括板梁和圆膜几何）验证了该方法。在最复杂的情况下，与全阶模型相比，所提出的HROM在标准商用CPU上实现了35倍的加速，同时相对误差低于1%。这是通过在维度小于原始0.05%的降阶空间中求解，并在包含少于原始20%单元的降阶网格上评估非线性算子来实现的。最后，该框架被用于在重力效应下对Ecoflex聚合物家族的材料属性进行详尽的参数化探索，展示了其在软体机器人加速设计优化和材料选择中的实用性。
**论文解读：非线性电力学介电弹性体驱动器的超降阶建模方法**
**研究背景与问题**
介电弹性体（DE）作为一类电活性聚合物（EAP），在电场作用下可通过库仑力产生大变形，广泛应用于软体机器人、仿生系统及自适应结构等领域。然而，介电弹性体驱动器（DEAs）的设计与优化面临电-机械耦合、材料不稳定性及时间依赖性等复杂挑战，特别是在重力影响下，许多应用难以实现最优性能。高保真有限元（FE）模型虽能准确捕捉DEAs的几何非线性、材料非线性和多物理场耦合响应，但其计算成本极高，使得材料选择、不确定性量化、逆设计及最优控制等多查询工程问题变得不切实际。为突破这一瓶颈，降阶模型（ROM）技术中的投影法（PROM）通过识别低维子空间（如本征正交分解POD）来降低自由度，但非线性项仍需在全网格上评估，导致计算增益受限。超降阶建模（HROM）技术（如经验立方体法ECM）通过仅采样稀疏子集来近似非线性项，可进一步加速。然而，在非线性电力学领域，特别是大变形介电弹性体模拟中，PROM与HROM的结合应用尚属空白。本研究旨在弥合这一差距，通过构建基于多场POD和ECM的超降阶框架，实现DEAs高效、高保真的多查询仿真，并验证其在材料选择加速中的实用性。论文发表在《Computers》期刊。
**主要关键技术方法**
研究人员采用基于投影的超降阶方法，核心包括：①多场本征正交分解（POD）——将位移场和电场分离，分别通过奇异值分解（SVD）提取主导模态，构建低维投影基；②经验立方体法（ECM）——将降阶残差的组装视为求积问题，通过稀疏化算法选择一组单元子集并赋予正权重，以近似投影后的残差和切线刚度矩阵。该方法在离线阶段从全阶模型快照中构建投影基和积分规则，在线阶段仅需在降阶空间和稀疏网格上求解。所有算例均基于文献[20]的高保真FE框架，采用Gridap库（Julia语言）实现，并在Intel i9 13900H处理器上评估。
**研究结果**
**5.1 板梁基准几何**
该几何模拟双层弯曲DEA结构，通过一层主动变形实现大位移。研究人员采用Wissler和Massa提出的Yeoh模型，参数化材料因子f∈[0.9,1.1]并采样三个值，加载路径300步，共900个快照。POD阶段：位移场和电场奇异值快速衰减，选择k=17、l=12（对应1×10
-12阈值）时，误差随k增大而减小，l影响较小。ECM阶段：在不同TSVD容差下，HROM误差单调递减，鲁棒性良好。在k=17、l=12且TSVD容差1×10
-5时，评估约10%的单元，在29维降阶空间中求解，实现约30倍加速，误差低于1×10
-5。
**5.2 圆膜基准几何**
该几何模拟更复杂的变形响应，通过交替电极施加电压，自由浮动边界条件。网格5040个单元，自由度182,635，快照同样900个。POD阶段：奇异值衰减较慢，需更多基向量（如k=55、l=36对应1×10
-12阈值）。ECM阶段：在k=55、l=36且TSVD容差1×10
-5时，评估约20%的单元，实现约35倍加速，相对误差低于1%（0.01）。研究人员指出，在k=26、l=14时可获得更优的误差与加速比组合。
**5.3 Ecoflex板梁优化**
针对软体机器人常用Ecoflex材料家族，其力学性能随肖氏硬度H（10~50）非线性变化，且受重力影响。研究人员仅以H=10和H=50两个极端值（共200个快照）构建HROM，选择k=35、l=30（1×10
-12阈值），ECM选出208个单元及其权重。通过HROM快速遍历H=10~50（每步1）和电压2.5~5 kV，共4100个算例，耗时仅为全阶模型的约1/50。结果显示：低电压时响应随硬度增大近似线性增加；高电压（>3 kV）时，重力与电-机械耦合的几何非线性导致响应曲面存在最优硬度（如5 kV时最优H约35）。
**结论与讨论**
研究人员总结了该研究：提出了一种基于投影的超降阶方法，成功应用于介电弹性体驱动器（DEAs）的材料选择问题。通过该方法，研究人员能够在重力效应下对整个软体机器人常用材料家族进行详尽的响应探索，显著加速材料选择过程。该方法基于多场POD和ECM的超降阶组合，在保持高保真度的同时大幅加速求解过程，并在复杂基准算例中验证了其对降阶参数和容差变化的鲁棒性。在最复杂的基准算例（圆膜）中，对非训练样本参数实现了35倍加速，相对误差低于1%，求解空间维度小于全阶模型的0.05%，评估网格单元少于20%，展示了HROM的预测能力。该研究成功将HROM技术应用于材料属性显著变化的材料选择问题，论证了其在复杂电-机械耦合DEA领域的适用性，为最优控制、实时设计优化等多查询应用铺平了道路。但解决参数化几何、复杂边界条件等高级挑战仍需集成其他ROM技术，这是未来工作的方向。
**研究结论原文翻译**：
本工作介绍了一种在非线性电力学背景下的基于投影的超降阶方法。该框架通过介电弹性体驱动器（DEAs）的材料选择问题得到了成功验证。利用该方法，研究人员能够对软体机器人社区中常用整个材料家族在重力效应下的DEA响应进行详尽探索，从而显著加速材料选择过程。所提出的方法基于多场POD过程后接ECM超降阶，展示了在保持高保真度的同时大幅加速求解过程的能力，并成功在代表当前DEA兴趣的几何和材料模型复杂基准上进行了测试。数值实验凸显了HROM程序对降阶参数和容差变化的鲁棒性，这与其底层技术的结构保持性质一致。在最复杂的基准算例中（对非训练样本材料参数），所提出的模型实现了与全阶模型相比35倍的加速，同时相对误差低于1%。这是通过在维度小于全阶模型0.05%的降阶空间中求解，并在包含少于原始20%单元的降阶网格上评估非线性算子来实现的，展示了所开发HROM的预测能力。在本工作中，所提出的HROM方法成功应用于材料属性显著变化的材料选择问题，论证了HROM技术在复杂电-机械耦合DEA领域的适用性，为在介电弹性体其他多查询应用（如最优控制和实时设计优化）中使用此类方法铺平了道路。然而，解决这些领域中的高级挑战（如处理参数化几何或控制问题的复杂边界条件）将需要集成其他ROM技术，这为ROM社区提供了一个有前景的未来工作方向。
