理论辅助的弹塑性本构关系小样本深度学习

摘要：

该文提出了一种引入经典弹塑性力学理论知识作为辅助驱动的小样本深度学习算法,适用于土木工程任意材料弹塑性本构关系,能够有效缓解大规模深度学习模型实际应用时常见的数据量匮乏瓶颈.该文简要概述了通用的经典弹塑性力学框架;在此基础上详细阐释了将弹塑性力学方程引入到常规深度学习模型中的方法与流程,该过程无需关心底层理论本构模型的具体形式与传统的复杂数值实现,保留了数据驱动技术简单、直接、高效的优点;为缓解优化目标复杂化所导致的训练不收敛问题,提出了一种与理论辅助驱动相适应的训练策略"过拟合-修正法",能够稳定并加速收敛过程;基于结构钢材精细弹塑性本构模型开展了数值试验,验证了理论辅助的小样本学习算法的有效性,能够实现大规模深度学习模型在少量训练样本情形下获得优异的泛化性,相较纯粹数据驱动模型准确性提升 38.9%.该文采用的理论辅助思想具有可借鉴性,后续可应用于结构层次的深度学习代理模型研究,促进未来更为先进、大型的智能算法落地土木工程计算领域.

关键词：深度学习、理论驱动、小样本学习、弹塑性本构、土木工程材料

所属期刊栏目：40

分类号：TU501(建筑材料)

资助基金：国家自然科学基金51725803

在线出版日期：2023-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：29-36