何时可以从应力强度曲线识别组合载荷?基于SIFBench有限元数据的耦合正向-逆向研究
摘要
本文研究利用SIFBench有限元数据,从裂纹前沿的应力强度因子曲线中恢复载荷大小的逆问题。它刻画了组合载荷何时可识别,并为病态情况提供了带有校准不确定性的估计器。
arXiv:2607.13074v1 Announce Type: cross
摘要:本工作利用公开的SIFBench有限元数据,研究从裂纹前沿的应力强度因子曲线中恢复作用于裂纹的拉伸、弯曲和支撑载荷相对大小的逆问题。核心主张并非现场案例的取证式载荷恢复,而是对组合载荷何时可识别的严格刻画,同时提供一个估计器,该估计器能精确地在不可识别的区域返回校准后的不确定性。对于已知几何形状,从载荷到曲线的正向映射是精确线性的,可识别性归结为一个几何问题:三个基本载荷曲线作为沿前沿的函数是否线性无关。当它们接近线性相关时,许多不同的载荷组合会产生几乎相同的曲线,逆问题成为病态;分析表明,病态程度由一个内在稳定性裕度控制,而非仅由条件数决定。单个裂纹前沿算子既可作为结构化的正向代理,也可作为单纯形约束、集值逆估计所需的可微映射。在SIFBench角落裂纹场景中,经验行为与理论相符:典型几何是适定的,而相当一部分实际上是病态的,因此点估计在大多数情况下是可靠的,在其余情况下则被证明无法提供信息。验证基于受控合成噪声;未使用或声称任何真实断裂案例。
查看缓存全文
缓存时间: 2026/07/16 04:25
# 何时能从应力强度分布识别组合载荷?基于SIFBench有限元数据的正向-反向耦合研究 Source: https://arxiv.org/abs/2607.13074 查看PDF (https://arxiv.org/pdf/2607.13074) > 摘要:本研究探讨了一个逆问题:基于裂纹前沿的应力强度因子分布,恢复作用于裂纹的拉伸、弯曲和承载载荷的相对大小。研究使用了公开的SIFBench有限元数据。核心主张并非针对现场案例的法医载荷恢复,而是对组合载荷何时可识别进行严格表征,同时提供一个估计器,在不可识别的情况下精确返回校准后的不确定性。对于已知几何结构,从载荷到分布的正向映射是严格线性的,可识别性简化为一个单一几何问题:三个基本载荷分布作为沿前沿的函数是否线性独立。当它们接近线性相关时,许多不同的载荷组合会产生几乎相同的分布,逆问题成为病态;分析表明,病态程度由一个内在的稳定性裕度控制,而不仅仅由条件数决定。一个单一的裂纹前沿算子既充当结构化的正向代理,又充当需要单纯形约束的集值逆估计器中的可微映射。在SIFBench角裂纹场景中,经验行为与理论一致:典型几何形态是良态的,而相当一部分几何形态是真正病态的,因此点估计在大多数情况下可靠,而在其余情况下则被证明无法提供信息。验证基于受控的合成噪声;未使用或声称任何真实断裂案例。 ## 提交历史 来自:Filippo Grassia [查看邮件](https://arxiv.org/show-email/aceb943e/2607.13074) **\[v1\]**Sun, 12 Jul 2026 20:04:39 UTC (730 KB)
相似文章
PeakFocus: 通过统一多尺度框架桥接峰值定位与强度回归的电力负荷预测
PeakFocus提出了一种统一的多尺度框架用于电力负荷峰值预测,该框架联合处理峰值时间定位和强度回归,解决了现有两阶段方法的局限性。
对比性目标SFT作为机制解释方法——有人用这种方式映射因果依赖关系吗?[D]
一位研究人员分享了一项实验计划,旨在通过对比性目标SFT和电路追踪来识别31B模型中能力维度之间的因果依赖关系,并寻求关于方法论和相关工作的反馈。
用于双材料系统中弹性动力学波传播的物理信息神经网络框架
本文提出了一种用于模拟双材料系统中瞬态弹性动力学波传播的物理信息神经网络(PINN)框架,以分离式霍普金森压杆中的钢铝试件为例。该PINN能准确预测波的透射和反射,并通过高保真有限元模拟进行了验证,可作为弹性动力学分析的连续代理模型。
一种用于海上风力涡轮机支撑结构监测的合成可靠性感知PINN基准,结合贝叶斯逆识别
本文介绍了DigiTurbine,一种用于海上风力涡轮机单桩支撑结构监测的合成可靠性感知物理信息神经网络(PINN)基准,它结合了前向和逆向PINN与贝叶斯先验信息识别以及基于FORM的可靠性筛选。
StampFormer: 一种物理引导的材料-几何耦合多模态模型,用于快速预测板料冲压中的物理场
StampFormer 是一种物理引导的深度学习框架,融合几何和材料属性,在不到一秒内预测板料冲压的有限元分析结果,相对误差低于8.5%,实现了高保真度。