.png){kind=icon}
返回
Data-driven quantification of orientation dependent damage caused by voids using Machine Learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.msea.2025.148186.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
孔隙对多晶金属合金的结构安全性和性能具有显著影响，因其对损伤的起始和演化起着关键作用。因此，对于材料科学界而言，深入理解金属合金内部晶体结构与其相应的损伤行为及性能之间的关系至关重要。晶体塑性理论结合有限元方法（CPFEM）被广泛用于描述和表征这种行为，因为它们直接考虑了晶面取向、滑移系统及其他微观结构特征。然而，尽管CPFEM具有较高的精度，但其分析流程往往因计算成本高昂且需要迭代求解复杂的数值刚性、高度非线性的方程，而不适用于建立微观结构与损伤性能之间计算高效且准确的关联。在本工作中，我们通过建立基于机器学习（ML）的微观结构与损伤性能之间的关联来应对这一挑战。具体而言，我们利用AdaBoost决策树将用广义球谐函数表示的晶体取向与经典Lemaitre连续介质损伤模型衍生的损伤度量相连接。所开发的ML模型在计算成本仅为CPFEM模拟的一小部分的情况下，能够准确预测球形孔隙周围的Lemaitre应力。
Keyword:
Machine learning
Generalized Spherical Harmonics
Damage
期刊
机构
引用论文
A crystal plasticity-based microdamage model and its application on the tensile failure process analysis of 7075 aluminum alloy.png)
MATERIALS SCIENCE AND ENGINEERING A-STRUCTURAL MATERIALS PROPERTIES MICROSTRUCTURE AND PROCESSING
MATERIALS SCIENCE AND ENGINEERING A-STRUCTURAL MATERIALS PROPERTIES MICROSTRUCTURE AND PROCESSINGIF7
PREAI
分享收藏Understanding slip activity and void initiation in metals using machine learning-based microscopy analysisMATERIALS SCIENCE AND ENGINEERING A-STRUCTURAL MATERIALS PROPERTIES MICROSTRUCTURE AND PROCESSING
OAAI
MATERIALS SCIENCE AND ENGINEERING A-STRUCTURAL MATERIALS PROPERTIES MICROSTRUCTURE AND PROCESSINGIF7
OAAI分享收藏
Coupled Crystal Plasticity–Phase Field Fracture Simulation Study on Damage Evolution Around a Void: Pore Shape Versus Crystallographic OrientationJOMOAAI
JOMIF0
OAAI分享收藏Overview of constitutive laws, kinematics, homogenization and multiscale methods in crystal plasticity finite-element modeling: Theory, experiments, applications晶体塑性有限元建模中的本构定律，运动学，均质化和多尺度方法概述: 理论，实验，应用ACTA MATERIALIA
ACTA MATERIALIAIF9.3
PREAI
分享收藏The frequency distribution of the annual maximum (or minimum) values of meteorological elements
PREAI
分享收藏
查看更多内容