北京理工大学李营教授课题组在超材料逆向设计方面取得重要进展

　　10月7日,北京理工大学李营教授课题组在计算力学领域顶级期刊《应用力学和工程技术中的计算机方法》(Computer Methods in Applied Mechanics and Engineering)期刊上发表了题为《结合机器学习和遗传算法根据定制化的载荷曲线逆向设计曲面力学超材料》(Inverse design of shell-based mechanical metamaterial with customized loading curves based on machine learning and genetic algorithm)的研究论文,提出了结合机器学习的力学超材料逆向设计的新方法。

　　极小曲面结构由于其轻质高强的力学性能受到了国内外学者的广泛关注,然而很多学者探究不同极小曲面构型的力学性质,然而根据力学性质逆向设计满足需求的曲面类超材料构型是研究空白。然而,对超材料的逆向设计具有很高的工程应用价值。

　　图 1 正向预测和逆向设计示意图

　　为了解决上述问题,北理工李营教授课题组提出了结合了高效的机器学习方法以及全域最优解的遗传算法,实现了根据载荷曲线对曲面力学超材料的逆向设计。首先利用机器学习,建立载荷曲线与几何构型之间的联系,实现了通过几何构型正向预测载荷曲线。在计算效率上,机器学习高出传统动作片有限元数个量级。

　　图 2 利用机器学习实现根据几何构型正向预测载荷曲线

　　基于正向预测的结果,结合遗传算法可以搜索全域最优解的特性,根据目标载荷曲线逆向设计几何构型,该几何构型的载荷曲线最接近目标载荷曲线。从结果可以看出,该方法设计的几何构型的载荷曲线与目标载荷曲线非常接近。

　　图 3 根据目标载荷曲线逆向设计曲面力学超材料

　　该文章发现,呈现出“硬化”的载荷曲线的单胞,其在宏观整体结构在变形过程中倾向于整体变形;而呈现出“软化”载荷曲线的单胞,在宏观整体变形模式倾向于逐层变形。文中通过实验和数值仿真验证了这一结果。

　　图 4 实验和数值仿真验证变形模式与胞元硬化,软化之间的关系

　　北理工李营教授和曾庆磊副教授为本文的共同通讯作者。清华大学航院2020级博士生王永桢为本文的第一作者。北京理工大学方岱宁教授是本文的合作者。

　　举报/反馈