基于LSTM的双相钢数据驱动本构模型研究
收藏资源简介
为准确预测多相材料在任意变形模式下的力学响应,以双相钢细观模型为研究对象,通过高斯过程生成5000组任意加载路径,按19∶1的比例划分训练集与测试集,基于深度学习法预测双相钢细观模型在未知加载路径下的应力-应变响应。结果表明:基于时序的LSTM深度学习模型可捕捉到细观模型应力-应变非线性映射关系的转变,预测的正应力均方根误差为0.062,切应力均方根误差为0.108,局部最大累积塑性应变均方根误差为0.115,证明了基于深度学习模型与细观模型结合的数据驱动型材料本构关系预测的可行性。
资料为PDF文档格式.
本文档关键词:驱动,模型,数据,研究,LSTM