[논문 리뷰] A statistical framework for generating microstructures of two-phase random materials: application to fatigue analysis

Ustim Khristenko, Andreï Constantinescu외 3명|arXiv (Cornell University)|2019. 07. 04.

Probabilistic and Robust Engineering Design참고 문헌 81인용 수 17

한 줄 요약

이 논문은 마르틴 공분산을 가진 가우시안 랜덤 필드를 사용하여 이상적인 형태를 초월한 복잡한 미세구조 기하학을 포괄하는 유연하고 단순한 통계적 프레임워크를 제시한다. 이는 다공도, 크기, 축률, 경계 정규성 등을 제어할 수 있게 하며, 빠른 푸리에 변환(FFT)을 통해 효율적으로 미세구조를 생성하고 몬테카를로 샘플링을 통한 피로 분석에서의 불확실성 정량화를 가능하게 한다. 이는 미세구조 설계 및 효과적 성질 예측 분야에서의 실현 가능성과 유용성을 입증한다.

ABSTRACT

Random microstructures of heterogeneous materials play a crucial role in the material macroscopic behavior and in predictions of its effective properties. A common approach to modeling random multiphase materials is to develop so-called surrogate models approximating statistical features of the material. However, the surrogate models used in fatigue analysis usually employ simple microstructure, consisting of ideal geometries such as ellipsoidal inclusions, which generally does not capture complex geometries. In this paper, we introduce a simple but flexible surrogate microstructure model for two-phase materials through a level-cut of a Gaussian random field with covariance of Mat\'ern class. Such parametrization of the covariance function allows for the representation of a few key design parameters while representing the geometry of inclusions in a more general setting for a large class of random heterogeneous two-phase media. In addition to the traditional morphology descriptors such as porosity, size and aspect ratio, it provides control of the regularity of the inclusions interface and sphericity. These parameters are estimated from a small number of real material images using Bayesian inversion. An efficient process of evaluating the samples, based on the Fast Fourier Transform, makes possible the use of Monte-Carlo methods to estimate statistical properties for the quantities of interest in a given material class. We demonstrate the overall framework of the use of the surrogate material model in application to the uncertainty quantification in fatigue analysis, its feasibility and efficiency, and its role in the microstructure design.

연구 동기 및 목표

• 이dealized 형태를 초월한 복잡한 미세구조 기하학을 포괄하는, 그러나 간단한 대체 모델을 개발하여 이중상 랜덤 다핵성 재료를 위한 유연성과 단순함을 확보한다.
• 마르틴 공분산 함수의 매개변수 제어를 통해 다공도, 크기, 축률, 경계 정규성과 같은 핵심 형태적 특징을 정확하게 표현한다.
• 제한된 실제 재료 이미지에서 베이지안 역문제를 적용하여 설계 매개변수를 추정함으로써 실험 데이터에 통계적으로 일치하는 결과를 확보한다.
• 대체 미세구조 모델을 피로 분석 프레임워크에 통합하여 몬테카를로 방법을 활용한 불확실성 정량화를 수행한다.
• 공학적 응용 분야에서 동질화 및 미세구조 설계에 있어 이 프레임워크의 실현 가능성과 효율성을 입증한다.

제안 방법

• 마르틴 공분산을 가진 가우시안 랜덤 필드의 수준 컷을 통해 미세구조를 모델링하며, 공분산 매개변수들이 형태 및 경계 부드러움을 제어한다.
• 가우시안 필드의 효율적 샘플링을 위해 빠른 푸리에 변환(FFT)을 활용하며, 마르틴 공분산의 해석적 푸리에 변환을 통해 계산 속도를 향상시킨다.
• 제한된 수의 실제 재료 이미지에서 후행 분포를 추정하기 위해 베이지안 역문제를 적용한다 (예: 평균, 분산, 부드러움 매개변수 ν, 다공도 φ₀ 등).
• 대표체적 요소(RVE)를 이후 동질화 및 피로 분석을 위한 대체 미세구조로 정의한다.
• 고주기 영역에서 Dang Van 유형의 피로 모델을 구현하여 RVE를 활용해 국소 손상 및 수명의 통계적 분포를 계산한다.
• 다양한 생성된 미세구조에 대한 몬테카를로 샘플링을 통해 효과적 탄성 모odulus 및 피로 반응의 통계적 특성을 추정한다.

실험 결과

연구 질문

• RQ1 통계적으로 일관되고 유연한 대체 모델은 복잡한 기하학과 제어 가능한 형태를 가진 실존적인 이중상 미세구조를 생성할 수 있는가?
• RQ2 마르틴 공분산 모델은 다공도, 축률, 경계 정규성과 같은 핵심 미세구조 특징을 몇 개의 매개변수로 얼마나 잘 표현할 수 있는가?
• RQ3 제한된 실제 이미지에서의 베이지안 역문제를 통해 대체 모델의 매개변수를 얼마나 정확하게 추정할 수 있는가?
• RQ4 포함체 경계의 정규성(ν로 제어됨)은 피로 수명 및 동질화된 탄성 모odulus의 통계적 분포에 어떤 영향을 미치는가?
• RQ5 제안된 프레임워크는 피로 분석에서의 불확실성 정량화를 효율적으로 지원하고 미세구조 설계를 이끌 수 있는가?

주요 결과

• 마르틴 공분산 기반 모델은 불규칙한 형상의 포함체와 변동하는 경계 부드러움을 포함한 복잡한 미세구조 기하학을 몇 개의 설계 매개변수로도 성공적으로 포착한다.
• 마르틴 공분산에서 유도된 경계 정규성 매개변수 ν는 구형도와 함께 포함체 경계의 부드러움을 제어하며 강한 상관관계를 보인다.
• 베이지안 역문제를 통해 몇 장의 실제 재료 이미지에서조차도 모델 매개변수(φ₀, ν 등)를 정확하게 추정할 수 있으며, 실험 데이터에 통계적으로 일치하는 결과를 확보한다.
• FFT 기반 샘플링 방법을 통해 수천 개의 미세구조 실현이 효율적으로 생성되어 몬테카를로 기반의 불확실성 정량화를 실현 가능하게 한다.
• 이 프레임워크는 경계 정규성(ν)이 피로 수명의 통계적 산포와 동질화된 탄성 모odulus에 상당한 영향을 미친다는 것을 입증하였으며, 더 부드러운 경계는 더 균일한 반응을 유도한다.
• 100개의 샘플에 걸쳐 계산된 동질화된 탄성 모odulus(체적 모odulus K 및 전단 모odulus G)는 다공도 φ₀와 정규성 ν에 명백한 의존성을 보이며, 해신-슈트리크만 경계선과 매우 밀접하게 따라간다.