基于深度学习的塑性变形理论建模研究进展

作     者：王新云 唐学峰 余国卿 龙锦川 温红宁 邓磊 金俊松 龚攀 张茂 WANG Xin-yun;TANG Xue-feng;YU Guo-qing;LONG Jin-chuan;WEN Hong-ning;DENG Lei;JIN Jun-song;GONG Pan;ZHANG Mao

作者机构：华中科技大学材料成形与模具技术全国重点实验室湖北武汉430074 

出 版 物：《塑性工程学报》 (Journal of Plasticity Engineering)

年 卷 期：2024年第31卷第4期

页      面：92-116页

核心收录：

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(52105337,52090043) 国家重点研发计划(2022YFB3706903) 

主　　题：深度学习 塑性理论建模 本构关系 微观组织演变模型 损伤断裂模型 多尺度模型 

摘      要：传统塑性理论模型由于引入了适当的假设和简化,面对复杂变形机制和复杂变形条件时具有局限性。基于深度学习的理论建模作为数据驱动的建模新范式,具有精度高、通用性强的特点,是塑性理论建模的重要方向。介绍了深度学习的建模方法,如传统神经网络模型、物理启发式神经网络模型和神经算子网络,分析了各个模型的特点。总结了近年来基于深度学习的塑性理论建模方法在本构关系、损伤断裂模型、微观组织模型和多尺度模型等方面应用的研究进展,并分析了提高模型精度、泛化能力和可解释性的方法。最后提出了基于深度学习的塑性理论建模方法面临的挑战和未来发展方向。