删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

温济慈 博士：物理机理驱动的机器学习本构模型及其有限元集成实现锂金属变形的准确刻画

本站小编 Free考研考试/2021-12-26


Academy of Mathematics and Systems Science, CAS
Colloquia & Seminars
Speaker: 温济慈 博士，中国科学院力学研究所
Inviter:
Title:
 物理机理驱动的机器学习本构模型及其有限元集成实现锂金属变形的准确刻画
Time & Venue:
 2021.06.24 10:00-11:30 N402
Abstract:
 锂金属由于其高的电容量密度、低材料密度、以及低的电势，是锂离子电池最为理想的负极材料。精确地表征和理解锂金属温度和率相关的变形行为是实现锂金属电池长寿命可靠运行的关键。然而，由于锂金属活泼的性质导致相关的实验数据匮乏，且缺乏可靠的物理模型来描述锂金属在不同温度范围内和动载环境下的力学行为。为了实现锂金属在所需的温度范围和动载环境下力学行为的准确刻画，我们设计了一个基于物理驱动的机器学习（PD-ML）本构模型来描述锂金属温度、应力、应变率相关的变形行为。我们的计算结果表明，相比于传统的物理机理模型，PD-ML模型能够更为准确地反映材料在不同温度和应变率下的实验结果；基于有限的实验数据训练的PD-ML模型，也能够更为准确地预测其在更大温度和应变率范围的力学行为。建立了基于PD-ML本构模型的有限元程序(PD-ML-FEM)，继承了有限元分析的强大功能和PD-ML模型在描述锂金属温度、应力和应变率相关的力学响应方面的准确性。该方法为固体材料在多场多尺度下的复杂变形行为研究和本构模型建立开辟了一条新的途径。

相关话题/金属 力学 物理 材料 实验

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.