近日,中科院力學所和北京資訊科技大學的團隊在構建數據驅動的資料本構模型及有限元結合方面取得重要進展。他們在國際上首次提出並實現了基於物理機理驅動的機器學習本構建模與有限元結合的計算方法,並將該計算方法應用於受到廣泛關注的鋰金屬,實現了它在不同溫度和變形場景下的力學行為精准描述。該工作近期發表在國際力學權威期刊J. Mech.Phys.Solids上。
鋰金屬電極由於高的理論電容量(3860 mAh/g)、低密度和低的電勢(約-3.04 V),是最理想的鋰電池負極資料。準確地認識和表徵鋰金屬負極溫度、應力和率相關的變形行為是實現鋰金屬電池壽命和可靠性提升的關鍵。然而,由於涉及到溫度場、力場、率效應等多物理場多因素之間的相互作用,以及非常有限的實驗數據,現時仍缺乏可靠的物理模型來描述鋰金屬溫度-應力-率-變形行為。該團隊通過將機器學習方法與物理機理相結合,構建了一種新的數據驅動的本構模型。該模型不僅能够精確地複現鋰金屬不同溫度和應變率下的應力應變實驗結果,而且能够在更大的溫度和應變率範圍內,實現鋰金屬溫度-應力-率-變形行為的預測。同時,該機器學習本構模型可以有效地和有限元計算方法聯姻,充分利用傳統有限元計算在多物理場、複雜邊界和變形系統的數值模擬優勢。這一工作為解决工程材料涉及溫度、應力、率、變形等行為的精確描述和高效數值方法發展提供了創新思路。
力學所助理研究員溫濟慈為第一作者,北京資訊科技大學鄒慶榮為第二作者,魏宇傑研究員為通訊作者。該工作得到國家自然科學基金委(No. 11988102;No. 12002343)和中國科學院先導專項(XDB22020200)的支持。
圖:物理驅動-機器學習本構模型預測鋰金屬不同溫度、應力控制下的變形率,包含了鋰金屬的全服役溫度和
本文版權歸原作者所有,文章內容不代表平臺觀點或立場。如有關於文章內容、版權或其他問題請與我方聯系,我方將在核實情况後對相關內容做删除或保留處理!