PDF
摘要
为应对复杂流体在大振幅振荡剪切(LAOS)过程中触变弹黏塑性(TEVP)本构模型参数恢复的挑战,尤其在流变样本数据稀缺的情况下,提出了一种多保真流变信息元建模方法。该方法先构建了结合数据、初值和本构方程损失的流变信息神经网络作为基础子网,利用低保真合成数据进行预训练;随后引入由1×20线性层与2×20非线性层组成的多保真子网,通过加权损失函数融合低保真响应与高保真实验数据,实现元模型的增量微调。基于胶体玻璃、聚合物胶束、软凝胶和海相黏土的实验结果表明,模型预测曲线与真实数据曲线高度吻合,证明模型的有效性和鲁棒性。该方法为数据稀缺场景下的流变本构建模提供了新思路,同时展示了多保真数据融合在复杂流体参数恢复中的潜力。
关键词
大振幅振荡剪切
/
触变弹黏塑性本构模型
/
多保真
/
元建模
/
流变信息神经网络
Key words
基于多保真流变信息元模型的LAOS过程本构方程参数恢复[J].
华东理工大学学报(自然科学版), 2025, 51(04): 572-580 DOI:10.14135/j.cnki.1006-3080.20250112001