BriefGPT - AI 论文速递
·
一种用于异质固体中裂纹动力学预测的时空深度学习框架：混凝土微观结构与其断裂特性的高效映射
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
该研究提出了一种时空深度学习框架，用于预测混凝土介观结构中的断裂并捕捉裂纹历史过程。实验证明该方法能准确预测损伤，并开发了转换有限元数据的流程。
🎯
关键要点
- 提出了一种时空深度学习框架，用于预测混凝土介观结构中的断裂。
- 该框架能够捕捉裂纹从界面过渡区到砂浆基质中的历史过程。
- 开发了一种卷积神经网络，预测介观结构的平均应力 - 应变曲线。
- 使用包含跳跃连接的编码器 - 解码器部分的 UNet 作为深度学习代理模型。
- 通过高保真断裂模拟生成训练和测试数据，模拟随机生成的混凝土介观结构。
- 使用 Abaqus 进行断裂模拟，采用相分离相场断裂建模技术。
- UNet 模型在培训后能够准确预测未见测试数据集的损伤。
- 开发的流程可以将不规则有限元数据转换为规则网格，简化 UNet 体系结构的实施。
➡️
