[发明专利]加载历史相关的数据驱动多尺度并发模拟方法及系统

权利要求书

1.一种加载历史相关的数据驱动多尺度并发模拟方法，其特征在于，包括：线下阶段和线上阶段；

其中，线下阶段包括：

步骤S1.1：建立代表材料组织细观特征的RVE模型，计算其弹性力学响应；

步骤S1.2：根据RVE的弹性应变分布，计算积分点处的应变集中张量；

步骤S1.3：基于应变集中张量，通过K-means聚类算法对积分点划分集群；

步骤S1.4：通过格林函数和傅里叶变换方法，计算集群相互作用张量分量；

线上阶段包括：

步骤S2.1：输入初始参考材料Lame常数和线下阶段生成的相互作用张量分量；

步骤S2.2：根据参考材料Lame常数以及线下阶段生成的相互作用张量分量，计算各个集群之间的相互作用张量；

步骤S2.3：通过数据驱动的方法求解Lippmann-Schwinger方程；

步骤S2.4：根据t+1时刻的集群平衡约束点计算RVE均质化Lame常数；

步骤S2.5：根据RVE均质化Lame常数更新参考材料Lame常数，重复步骤S2.2～步骤S2.4，直到RVE均质化Lame常数与参考材料Lame常数保持一致，得到t+1时刻最终的集群平衡约束点和RVE均质化应力；

步骤S2.6：将RVE的均质化应力返回宏观积分点，获得材料的宏微观力学响应。

2.根据权利要求1所述的加载历史相关的数据驱动多尺度并发模拟方法，其特征在于，所述步骤S1.2包括：根据六种正交加载条件下的应变分布ε_m(x)，计算积分点处的应变集中张量A(x)；其中应变集中张量A(x)是联系宏观均质化应变ε_M和微观应变分布ε_m(x)的四阶张量，通过以下表达式计算：

ε_m(x)＝A(x):ε_M。

3.根据权利要求1所述的加载历史相关的数据驱动多尺度并发模拟方法，其特征在于，所述步骤S1.3包括：

基于积分点的应变集中张量A(x)，通过K-means聚类算法对RVE中的积分点划分集群，即完成以下关于应变集中张量的最小二乘优化过程：

其中，S代表最后的集群划分结果，S^J代表第J个集群，A_n代表第n个积分点的应变集中张量，代表第J个集群内所有积分点的平均应变集中张量，N为总共的集群数量，||A||代表任意二阶张量A的2范数，即A的各个元素平方和的1/2次方。

4.根据权利要求1所述的加载历史相关的数据驱动多尺度并发模拟方法，其特征在于，所述步骤S1.4包括：

结合格林函数和傅里叶变换方法，计算各个集群之间的相互作用张量分量和其表达式分别为：

其中，Ω为RVE的体积，c^I为第I个集群的体积分数，χ^I(x)为第I个集群的特征函数，Φ¹和Φ²为格林函数中与参考材料本构无关的部分，在傅里叶空间中具有以下形式：

其中，ξ为傅里叶空间中的坐标向量，ξ_i是傅里叶空间中第i个方向的坐标，|ξ|为傅里叶空间坐标距离原点的距离，δ_ij为Kronecker delta符号，满足