用于磁-电-弹性材料中多裂纹相互作用的数据高效代理建模的物理引导迁移学习

《International Journal of Solids and Structures》:Physics-guided transfer learning for data-efficient surrogate modeling of multi-crack interaction in magneto-electro-elastic materials

【字体: 大 中 小 】 时间:2026年10月21日 来源:International Journal of Solids and Structures 4.6

编辑推荐:

   磁电弹(MEE)材料被广泛用作智能结构中的传感、驱动和能量收集元件,然而材料内部多个微裂纹相互作用导致的断裂失效已成为影响其可靠运行的关键问题。在经典二维断裂力学中,表征此类损伤需要在每一个裂纹尖端同时评估四个耦合场量——两个机械量、一个电量和一个磁量——因此一个三裂纹板就已

  

磁电弹(MEE)材料被广泛用作智能结构中的传感、驱动和能量收集元件,然而材料内部多个微裂纹相互作用导致的断裂失效已成为影响其可靠运行的关键问题。在经典二维断裂力学中,表征此类损伤需要在每一个裂纹尖端同时评估四个耦合场量——两个机械量、一个电量和一个磁量——因此一个三裂纹板就已呈现二十四个强耦合响应目标。通过高保真有限元模拟在宽阔几何范围内映射这些目标在计算上是难以承受的,这促使了代理模型的发展。本文开发了一种物理引导的迁移学习代理模型,在预测完整多裂纹响应的同时仍能经济地使用模拟数据。首先在扩展有限元(XFEM)和相互作用积分(I积分)解的两裂纹问题上训练一个低阶代理模型,然后通过成对分解迁移到典型的多裂纹问题,使得每个三裂纹响应继承两裂纹基线的支配性成对相互作用。一组基于几何的拓扑描述符和成对一致性描述符识别了该迁移估计不足的构型,而一个残余校正阶段——完全从折外信息中训练和选择以防止信息泄漏——提供了剩余的高阶校正。在XFEM生成的MEE材料(BaTiO?/CoFe?O?)数据库中,包含84,350个两裂纹和780个三裂纹构型,精炼后的迁移代理模型在训练分布内匹配直接训练同一学习者的性能(R2 > 0.999;均方根误差0.011对比0.009),并且在四分之一的三裂纹模拟下准确度高7%;在训练分布之外,在未见过的缺口形状和相互作用机制上,它比直接训练准确3–32%,而成对先验正是当单保真度学习者失败时保持误差有界的要素。进一步解读该代理模型显示,电通道和磁通道在量级上是同构的(r > 0.999),但在相互作用敏感性上并非如此,其遵循I > II > D ≈ B的顺序,电偏差以约0.55的比率锁定在机械偏差上,而磁偏差随间距衰减更快,并且第三个裂纹仅扰动其最近的邻居,屏蔽效果与放大效果出现的频率相当。该框架为多场断裂可靠性分析提供了一条可迁移的途径,对高保真三裂纹模拟经济适用,并可推广至本文所用特定材料系统和机器学习算法之外。

磁电弹(MEE)复合材料通过其组成的铁电相和铁磁相同步耦合机械变形、电极化和磁感应,产生的室温磁电耦合系数可比单相多铁氧化物高出几个数量级(Nan等,2008;Spaldin和Ramesh,2019)。这一卓越性能促使其被用作磁场检测器中的传感元件、精密执行器中的主动元件以及振动能量收集系统中的双模转换器,在这些系统中可以同时收集环境机械振动和磁杂散场能量(Annapureddy等,2016;Eerenstein等,2006;Fiebig等,2016;Scott,2012;Dong等,2003)。典型实现包括BaTiO?/CoFe?O?粒子和层状复合材料、PZT/Terfenol-D叠层以及Metglas/PMN-PT双层结构;所有这些配置的长期可靠性都关键地依赖于复合微观结构的结构完整性(Nan等,2008;Wang等,2010)。如图1所示,服役中的代表性MEE层状板承受同时的电、磁和机械载荷,使其脆性陶瓷层易于出现多个相互作用裂纹,这些裂纹的局部相互作用拓扑——以交替放大和屏蔽区域为特征——对断裂安全设计构成了根本性挑战。

MEE陶瓷和复合材料本质上是脆性的;来自烧结、极化和键合的制造应力,结合复杂的多场服役载荷,不可避免地促进裂纹萌生和扩展(Kuna,2010)。MEE固体的断裂力学比弹性或纯铁电介质更为苛刻,因为近尖端奇异场同时耦合了机械应力、电位移和磁感应,每个量均表现出反平方根奇异特性(Gao等,2003;Wang和Mai,2003)。该多场奇异特性由每个裂纹尖端的四个独立强度因子表征:I型应力强度因子(SIF)KI、II型SIF KII、电位移强度因子KD和磁感应强度因子KB(Jinxi等,2001;Sladek等,2011)。通过域无关相互作用积分(I积分)方法可从有限元解中同时提取这四个因子,该方法从单次高保真求解中解耦所有四个因子而无需对材料常数求空间导数(Sladek等,2011;Yu等,2014;Zhu等,2023、2021)。裂纹面电磁边界条件从完全不可渗透到带Maxwell应力修正的半渗透,进一步调节了近尖端场分布,必须正确施加以获得物理忠实的强度因子预测(Jena等,2024、2022;Singh和Singh,2021)。

在实际MEE结构部件如执行器贴片、传感器层状板和大能量收集复合板中,相互作用裂纹阵列而非孤立单裂纹是有效的失效场景(Feng等,2007;García-Sánchez等,2007;Rojas-Díaz等,2011;Zhang等,2007)。根据裂纹间距、取向和几何形状,这些相互作用产生屏蔽效应——即有效强度因子由邻近裂纹降低——或放大效应,即有效强度因子被升高(Singh和Das,2023;Wan等,2012;Zhang等,2007)。这两种效应都从单裂纹分析中缺失,必须捕获以进行可靠寿命预测。基于分布位错技术、积分变换和边界配点法的解析方法解决了理想化几何形状——如无限域或条带域中的平行裂纹阵列(Ayatollahi等,2024;Singh和Das,2023;Zhang等,2007),但它们在有限体中复杂多场载荷下向任意裂纹网络的扩展受数学可处理性限制。在功能梯度MEE(FGMEE)材料中,刚度和耦合系数的空间梯度进一步复杂化了裂纹尖端场结构和控制方程(Nguyen等,2022;Singh和Singh,2021)。

已开发了若干数值框架来克服这些限制。无网格局部Petrov-Galerkin(MLPG)方法使得无需在裂纹尖端进行特殊网格细化即可进行裂纹分析(Sladek等,2008)。缩放边界有限元法(SBFEM)被扩展到FGMEE断裂分析,利用其内置能力表示裂纹尖端奇异特性而无需富集函数(Nguyen等,2022)。扩展有限元(XFEM)和等几何分析方法通过分区单位富集处理任意裂纹几何形状,并已扩展至容纳半渗透电磁边界条件(Jena等,2024、2022;Singh和Singh,2021)。对于跨所有四个耦合通道的系统强度因子提取,I积分方法——由Yu和Kuna(2021)全面综述——提供了域无关评估,并已验证用于具有残余应变的MEE材料和动态载荷工况(Zhu等,2023、2021)。尽管这些方法对于给定的裂纹构型和载荷状态具有准确性,但它们每一个新的裂纹几何形状、材料参数和载荷幅值组合都需要完全重新模拟。在多裂纹MEE问题中,联合参数空间随裂纹数量和输入维度快速增长,使得在使用传统模拟工作流时系统参数研究和实时安全评估在计算上难以承受。

数据驱动的机器学习(ML)代理模型已成为断裂力学中高保真模拟的有效补充。一旦组装好离线训练数据库,ML模型以可忽略的边际成本再现模拟输出。在有限元数据上训练的人工神经网络(ANN)已在各种材料系统中证明了混合模式SIF预测和断裂韧性估算的高准确性(Lew等,2021;Mahmoodzadeh等,2023;Zhang等,2024)。图神经网络(GNN)对于具有自然图结构的裂纹尖端网络特别有效:Perera等人利用XFEM生成的数据训练GNN来同时预测混合模式SIF和裂纹扩展路径,在多达19个相互作用微裂纹的系统中实现了6–25倍的直接模拟加速(Perera等,2022);Karapiperis和Kochmann随后证明GNN代理模型可以高精度地预测无序架构材料中的断裂路径(Karapiperis和Kochmann,2023)。He等人(2024)的生成式深度学习模型是该方向的里程碑式贡献,它以令人信服的保真度预测随机多孔介质中的不连续裂纹路径;通过重现强非均匀介质中断裂的拓扑复杂性——包括克服回归型代理模型的路径不连续性——它将数据驱动断裂力学从标量裂纹尖端参数预测推进到完整裂纹形态预测。将控制偏微分方程嵌入损失函数的物理信息神经网络(PINNs)已应用于相场断裂建模(Goswami等,2020)。复合材料全场应力预测(Chen等,2023)、混合模式SIF预测(Zhang等,2023)、断裂韧性估算(Mahmoodzadeh等,2023)和疲劳裂纹扩展速率(Zhang等,2024)的数据驱动代理模型共同确立了ML方法在各种断裂环境下的可靠性。更广泛的数据驱动断裂领域综述由Carrara等(2020)提供,而Liu等人建立了一个基准,证明从简单断裂几何中提取的知识可预测性地迁移到更复杂的构型(Liu等,2021)。

基于ML的断裂代理模型中反复出现的限制是数据采集成本:每个标记训练样本需要一次完整的高保真模拟,而覆盖高维参数空间所需的样本数量迅速增长。迁移学习通过重用源任务模型中编码的知识来提高相关但数据稀缺的目标任务的学习,以此应对这一问题(Zhuang等,2021;Pan和Yang,2010;Weiss等,2016)。在材料科学中,当源和目标性能共享共同物理机制时,跨性能迁移将预测误差减少了多达45%(Gupta等,2021)。在断裂力学中,Liu等人证明了一个在二维断裂问题上预训练的ML模型可作为三维对应问题的信息性先验(Liu等,2021)。Goswami等人将迁移学习应用于物理信息神经网络的相场断裂,获得了相对于完全重新训练的大幅计算开销降低(Goswami等,2020)。Perera和Agrawal将迁移学习与图神经网络结合在一个通过迭代知识更新跨裂纹长度、取向和载荷模式推广的框架中(Perera和Agrawal,2023)。这些结果共同确立了层次化的、任务级联的知识迁移是从简单到复杂构型扩展ML断裂代理模型的可行范式。

尽管取得了这些进展,机器学习尚未被应用于MEE材料的多裂纹断裂。现有ML代理模型局限于各向同性或轻微各向异性材料中的纯机械系统,没有一个解决在每个裂纹尖端同时产生KI、KII、KD和KB且具有不同物理尺度与非线性耦合的多场耦合问题。当问题扩展到三裂纹MEE板时,输出空间跨越24个强耦合强度因子目标,包含六个裂纹尖端的四个物理通道,而即使是固定材料、边界条件和载荷比,裂纹位置、取向和试样形状的输入空间也是十三维的。大而物理结构化的输出空间、有限的标记模拟数据和强目标间依赖性,在没有系统性的跨任务知识利用策略时,无法由标准监督回归充分解决。

为弥补这一差距,本文开发了一种物理引导的迁移学习代理模型,用于预测三裂纹MEE板中24个耦合强度因子的完整集合。使用经验证的XFEM相互作用积分求解器生成了两个数据库:84,350个两裂纹和780个三裂纹构型,涵盖六种试样形状以及试样中全部允许的裂纹位置和取向范围。该框架并非从小数据库中直接学习三裂纹响应,而是遵循经典裂纹相互作用力学的层次结构:每个三裂纹构型被分解为其三个组成裂纹对,在两裂纹数据库上训练的代理模型在每个对上进行评估,所得成对估计被取为三裂纹响应的低阶描述。成对叠加无法表示的高阶相互作用被从三裂纹数据库中作为残余进行学习,并由描述相互作用拓扑的以及描述每个裂纹的两个可用成对估计之间分歧的描述符加以引导。

所有融合、残差和选择阶段均仅使用折外信息进行训练和选择,以确保留出评估不受泄漏影响。贯穿全程,使用梯度提升树(LightGBM (Ke et al., 2017))作为基学习器,因为该问题属于表格型、低维,且在三裂纹侧数据量较小。该框架在缩减的三裂纹数据以及留出的缺口形状和相互作用机制下,与直接训练的三裂纹代理模型、标准机器学习基准及多保真度基准进行了对比评估。本工作的主要贡献如下:
• 提出了一种针对多场、多裂纹断裂问题的物理引导成对迁移方法:双裂纹数据库并非作为初始猜测使用,而是作为采样的对相互作用算子;三裂纹响应被表述为三个成对估计的融合加上一个三体余项,两个数据库之间的裂纹身份映射被视为一种物理约束。据作者所知,这是首个用于磁电弹介质中相互作用裂纹的耦合力学、电和磁断裂参数的机器学习代理模型。
• 从迁移本身衍生出可靠性描述符:在三裂纹构型中,每条裂纹的每个强度因子都会收到两个独立的成对估计,它们的不一致性连同成对相互作用强度度量,被证明是低阶描述失效位置的有益指标,并用于引导残差校正。
• 建立了一种无泄漏、种子稳定的训练和选择协议:融合、残差校正以及在允许的校正变体中按区域和目标的选择,均根据训练折外误差决定,且选择裕度预先固定。在三个随机种子下,对改进后的迁移代理模型与直接训练的三裂纹代理模型、标准机器学习基准以及多保真度方法进行了比较,并量化了其在缩减的三裂纹数据以及留出的缺口形状和相互作用机制下的表现。
• 在整个几何参数空间上的稠密代理插值揭示了电位移和磁感应强度因子通道之间的近似同构行为(r > 0.999),并表明第三个裂纹引入的扰动强烈局域化在其最近邻的尖端处,其中力学通道携带最大的增量,而电和磁通道约为其一半;因此,必须共同评估所有四个耦合通道,但以力学通道作为多裂纹敏感性的主要指示器。

本文其余部分组织如下。第2.1节概述了磁电弹断裂问题、I积分提取和XFEM数据库;2.2节XFEM驱动的物理代理模型公式化、2.3节低阶双裂纹代理模型与成对迁移、2.4节拓扑与成对估计差异描述符、2.5节残差校正与严格验证协议,开发了成对迁移代理模型、其拓扑和差异描述符,以及残差校正和验证协议。第3节报告了留出准确率、跨种子稳定性、样本量和外推研究、与外部代理模型的比较以及计算成本。第4节从物理角度出发,讨论了双裂纹相互作用拓扑、第三裂纹引起的重新分布、D/B通道耦合行为,以及该框架的局限性和可能的扩展。第5节总结了结论并概述了未来的工作方向。

章节摘录

控制方程与裂纹尖端断裂参数

考虑一个处于平面应变条件下的二维、均匀、横观各向同性磁电弹固体,其中包含 n 条半长为 a 且中心和取向已知的直裂纹。在没有体力、自由电荷和磁源的情况下,力学、电和磁平衡定律为(Arhani and Ayatollahi, 2022)
σij,j=0, Di,i=0, Bi,i=0
其中 σij、Di 和 Bi 分别表示柯西应力、电位移和磁感应。

结果框架与评估指标

在通过2.2节XFEM驱动的物理代理模型公式化、2.3节低阶双裂纹代理模型与成对迁移、2.4节拓扑与成对估计差异描述符、2.5节残差校正与严格验证协议建立了XFEM驱动的迁移代理模型后,本节评估其预测三裂纹问题24个裂纹尖端响应的能力。评估围绕四个问题展开,这些问题共同决定代理模型是否可以信赖:

双裂纹磁电弹系统中的基线相互作用拓扑与机制结构

双裂纹分析建立了力学基线,用于解释三裂纹扰动。在考察的参数范围内,应力强度响应保持了典型的距离控制相互作用拓扑:随着归一化中心距离 λ 的增加,所有四个通道(KI, KII, KD, KB)均趋向于孤立裂纹极限,而主导相互作用仍然集中在内侧尖端。在本数据集中,最强的近场偏离

结论

本文提出了一种物理引导的迁移学习代理模型,用于预测多裂纹磁电弹板的完整耦合响应,即每个裂纹尖端的四个场强度因子。该框架不直接学习三裂纹问题,而是在双裂纹问题的XFEM I积分解上训练一个低阶代理模型,并通过成对分解进行迁移,从而使每个三裂纹响应表示为主导的成对相互作用加上一个

CRediT作者贡献声明

张新宇:撰写 – 审阅与编辑,撰写 – 原稿,可视化,验证,方法论,调查研究,形式化分析。朱帅:撰写 – 审阅与编辑,监督,资源,项目管理,调查研究,资金获取,概念化,方法论,验证。余洪军:验证,软件,形式化分析。王志勇:验证,数据管理。王志华:项目管理,方法论。

利益冲突声明

作者声明他们没有已知的可能影响本文报告工作的竞争性经济利益或个人关系。

致谢

本研究得到国家自然科学基金(编号:12502092)、山西省自然科学基金(202403021222035)、中国博士后科学基金博士后 Fellowship 计划(B级)(批准号:GZB20250471)以及国家计算物理重点实验室(编号:6142A05QN250215)的支持。

张新宇 | 朱帅 | 余洪军 | 王志勇 | 王志华
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号