力学进展

姓名
邮箱
手机号码
标题
留言内容
验证码

范德华作用依赖的微纳系统力学行为

秦文, 寇泽普, 刘小飞, 张助华

, doi: 10.6052/1000-0992-24-019

摘要(141)

HTML(34)

PDF(42)

摘要:
起源于量子和热力学涨落的范德华作用在自然界和人造系统中无处不在. 准确描述范德华作用对认识微纳材料及系统的力学行为及其精准设计尤为关键. 本文综述了依赖范德华作用的微纳尺度力学行为方面的最新研究进展. 首先, 简要介绍了适用于原子与分子体系的范德华理论, 如对势近似法、非局域范德华泛函、绝热连接涨落耗散定理和多体色散方法等, 以及适用于连续介质体系的解析、半解析和数值Lifshitz理论等描述方法; 其次, 梳理了范德华作用对二维材料、微纳机电系统等体系典型力学行为的影响; 接着讨论了范德华斥力、非单调范德华势阱、范德华扭转力矩、范德华翻转力矩、范德华屏蔽等新颖效应; 最后总结了范德华理论当前的局限和所面临的挑战, 并展望了未来的发展趋势.

螺旋度: 湍流研究中的关键角色

于长平, 胡润宁, 甘润园

, doi: 10.6052/1000-0992-24-018

摘要(285)

HTML(82)

PDF(92)

摘要:
螺旋度与湍流的拓扑结构以及动力学演化过程密切相关. 本文首先详细阐述了螺旋度与流动结构之间具体的关联关系. 随后, 本文重点探讨了螺旋度在湍流输运中的作用, 以及与其他物理效应之间的耦合关系. 由于螺旋度对流动结构的表征作用以及对湍流动力学演化的重要影响, 本文随后简要介绍了螺旋度在湍流建模中的应用. 最后, 本文对当前的研究进展进行了总结, 指出了螺旋度与湍流相关研究的未来主要发展方向.

飞行器非线性振动试验与模型修正研究进展

王兴

, doi: 10.6052/1000-0992-24-011

摘要(269)

HTML(42)

PDF(126)

摘要:
面向质量更轻、承载能力更强, 柔性变形更大的先进飞行器, 首先对其地面振动试验及使役过程中观察到的非线性振动现象进行梳理, 归纳出两类典型的非线性结构模型−局部非线性结构和分布式非线性结构, 对其基本概念进行了阐述. 随后, 从频响函数试验、纯模态试验、自由衰减试验等技术路径总结了非线性振动试验方法的研究进展. 最后, 根据两类非线性结构动力学方程的特点分别归纳了与之相适应的有限元模型修正流程及关键辨识方法, 展望了发展趋势并给出研究建议. 有望为未来飞行器非线性振动试验与精准建模提供有益参考.

电磁加载膨胀环试验技术的发展及应用

刘宗兴, 张春阳, 曹苗, 陈斐颖, 刘军, 李玉龙

, doi: 10.6052/1000-0992-24-010

摘要(190)

HTML(93)

PDF(45)

摘要:
电磁加载膨胀环试验技术是实现高应变率拉伸加载的重要手段, 可实现应变率10⁴ s⁻¹量级的一维拉伸加载. 洛伦兹力作为一种体力均匀施加于膨胀环试样, 避免了面力加载的波传播效应, 且环形试样结构的特点避免了传统狗骨形试样末端夹持效应的影响, 因此, 电磁加载膨胀环试验技术被广泛应用于材料在高应变率下的拉伸力学行为研究. 本文首先介绍了膨胀环试验技术的基本原理, 回顾了膨胀环试验加载技术的发展历史以及应用于膨胀环试验的测试技术发展情况. 然后对电磁加载膨胀环试验技术的应用进行了综述, 梳理了该试验技术在材料动态力学性能、动态断 (碎) 裂行为、动态延性行为、高温绝热特性等方面的前沿研究进展. 最后讨论了电磁加载膨胀环试验技术在固体力学领域的发展前景与方向. 为从事材料动态力学行为试验技术领域的科研工作者提供较为系统的信息参考, 同时为那些对电磁加载膨胀环试验技术感兴趣的青年科研人员提供本领域系统全面的知识.

可编程多物理机制的力学超材料

SinhaP, MukhopadhyayT

, doi: 10.6052/1000-0992-24-012

摘要(487)

HTML(80)

PDF(136)

摘要:
力学超材料是一种有别于传统力学行为的工程材料, 它源于人工可编程的微结构以及材料的固有属性. 在过去的十年中, 随着计算性能和复杂微观结构制造能力的巨大进步, 力学超材料已经吸引了研究人员的广泛关注, 因为它能够实现自然界中不可能出现的多重物理属性. 该领域迅速崛起的趋势之一是将材料行为和单元结构与其他不同的多种物理因素(如电场或磁场)以及温度、光或化学反应等刺激相结合, 从而扩大按需主动调制力学响应的范围. 在本文中, 我们旨在概述有关超材料的力学和多物理性质调制的相关文献, 重点介绍双能级设计的新兴趋势, 着重讨论力学超材料在关键工程领域应用中的巨大潜力. 本文对该领域的发展趋势、挑战和未来路线进行了系统深入分析, 涵盖实时可重构性和功能编程、4D打印、纳米超材料、人工智能和机器学习、多物理折纸/剪纸、活性物质、软物质和保形超材料、复杂微结构制造、服役寿命效应和可扩展性等概念.

AI for PDEs在固体力学领域的研究进展

王一铮, 庄晓莹, TimonRabczcuk, 刘应华

, doi: 10.6052/1000-0992-24-016

摘要(1864)

HTML(298)

PDF(1035)

摘要:
近几年, 深度学习无所不在, 在给各个领域赋能, 尤其是人工智能与传统科学的结合 (AI for science, AI4Science) 引发广泛关注. 在AI4Science领域, 利用人工智能算法求解PDEs (AI4PDEs) 成为计算力学研究的焦点. AI4PDEs的核心是将数据与方程相融合, 并且几乎可以求解任何偏微分方程问题, 由于其融合数据的优势, 相较于传统算法, 其计算效率通常提升数万倍. 因此, 本文全面综述了AI4PDEs的研究, 总结了现有AI4PDEs算法、理论, 并讨论了其在固体力学中的应用, 包括正问题和反问题, 展望了未来研究方向, 尤其是必然会出现的计算力学大模型. 现有AI4PDEs算法包括基于物理信息神经网络 (physics-informed neural network, PINNs)、深度能量法 (deep energy methods, DEM)、算子学习 (operator learning), 以及基于物理神经网络算子 (physics-informed neural operator, PINO). AI4PDEs在科学计算中有许多应用, 本文聚焦于固体力学, 正问题包括线弹性、弹塑性, 超弹性、以及断裂力学; 反问题包括材料参数, 本构, 缺陷的识别, 以及拓朴优化. AI4PDEs代表了一种全新的科学模拟方法, 通过利用大量数据在特定问题上提供近似解, 然后根据具体的物理方程进行微调, 避免了像传统算法那样从头开始计算, 因此AI4PDEs是未来计算力学大模型的雏形, 能够大大加速传统数值算法. 我们相信, 利用人工智能助力科学计算不仅仅是计算领域的未来重要方向, 同时也是科学研究的人类曙光, 为人类迈向科学发展的新高度奠定了基础.

留言板

优先发表

新闻公告More >

作者中心More >

相关链接More >