[论文解读] Deformation and failure in nanomaterials via a data driven modelling approach

M. Siddiq|arXiv (Cornell University)|Oct 2, 2019

Carbon Nanotubes in Composites参考文献 31被引用 6

一句话总结

本文提出了一种数据驱动的计算模型，能够模拟碳纳米管和CNT/环氧树脂纳米复合材料等纳米材料的多种材料状态，如应力、应变、应变速率和断裂应力。该模型通过与文献中的单轴拉伸试验数据高度一致，准确预测了应变速率相关的变形和破坏行为。

ABSTRACT

A data driven computational model that accounts for more than two material states has been presented in this work. Presented model can account for multiple state variables, such as stresses, strains, strain rates and failure stress, as compared to previously reported models with two states. Model is used to perform deformation and failure simulations of carbon nanotubes and carbon nanotube/epoxy nanocomposites. The model capability of capturing the strain rate dependent deformation and failure has been demonstrated through predictions against uniaxial test data taken from literature. The predicted results show a good agreement between data set taken from literature and simulations.

研究动机与目标

• 开发一种数据驱动的建模框架，以捕捉超过两种材料状态，包括应力、应变、应变速率和断裂应力。
• 解决先前模型仅能模拟两种材料状态而无法充分描述纳米材料行为的局限性。
• 实现对碳纳米管和CNT/环氧树脂纳米复合材料在不同应变速率下变形与破坏行为的精确模拟。
• 通过与已发表的单轴拉伸试验数据对比，验证模型在应变速率依赖性力学响应方面的有效性。
• 展示该模型利用经验数据驱动学习方法预测纳米材料复杂力学行为的能力。

提出的方法

• 该模型采用数据驱动方法，以文献中的实验数据集作为训练输入。
• 在预测框架中同时整合多个状态变量——应力、应变、应变速率和断裂应力。
• 利用碳纳米管和CNT/环氧树脂复合材料的单轴拉伸试验数据对模型进行标定。
• 采用统计与计算学习技术，将输入状态变量映射到力学响应结果。
• 该框架专为处理纳米材料典型的非线性、速率相关材料行为而设计。
• 通过在不同应变速率下与实验数据的直接对比，验证预测结果。

实验结果

研究问题

• RQ1 数据驱动模型能否准确模拟碳纳米管的应变速率依赖性变形与破坏？
• RQ2 与实验数据相比，该模型对CNT/环氧树脂纳米复合材料的力学响应预测效果如何？
• RQ3 该模型在多大程度上能够同时捕捉多种材料状态（应力、应变、应变速率、断裂应力）？
• RQ4 该模型在不同应变速率下对纳米材料体系的预测精度如何？
• RQ5 与传统物理驱动模型相比，该数据驱动方法在捕捉复杂纳米材料行为方面表现如何？

主要发现

• 该模型成功以高保真度捕捉了碳纳米管的应变速率依赖性力学响应。
• 预测的应力-应变曲线在多个应变速率下与实验单轴拉伸数据高度吻合。
• 该模型在不同变形速率下均能准确预测断裂应力，表现出良好的鲁棒性。
• 引入多个状态变量使纳米材料行为的表征比以往的双状态模型更加全面。
• 数据驱动框架无需显式本构定律即可提供可靠预测，凸显其适应性。
• 该模型的预测结果经文献数据验证，证实其在纳米材料模拟中的可靠性。