最新录用
优先发表栏目展示本刊经同行评议确定正式录用的文章，这些文章目前处在编校过程，尚未确定卷期及页码，但可以根据DOI进行引用。
显示方式:
, 最新更新时间 , doi: 10.6052/1000-0992-25-026
摘要
HTML
PDF
施引文献
摘要:
机器学习正推动金属材料力学性能研究从经验驱动向数据驱动范式转变. 本文系统综述了机器学习在金属材料力学性能智能预测中的研究进展与挑战. 首先, 概述了常用机器学习算法的原理与流程, 重点介绍了可解释人工智能与物理信息机器学习等前沿方法. 进而, 从微介观性能 (如微观结构演化、断裂行为)、宏观性能 (如硬度、应力响应、疲劳寿命) 与跨尺度耦合性能 (如流变应力、屈服强度、本构参数反演) 三个层面, 评述了机器学习模型的典型应用与预测效果, 突出其在高通量计算与多尺度建模中的优势. 最后, 指出该领域面临数据稀缺、异构性及宽温域/宽应变率条件下预测精度不足等挑战, 并提出迁移学习、大型语言模型与多模态融合等解决路径. 展望未来, 本文构建了融合多模态数据与物理机制的机器学习技术路径, 旨在实现对极端环境下金属材料力学行为的精准预测, 推动材料力学研究向数字化、智能化方向发展.
机器学习正推动金属材料力学性能研究从经验驱动向数据驱动范式转变. 本文系统综述了机器学习在金属材料力学性能智能预测中的研究进展与挑战. 首先, 概述了常用机器学习算法的原理与流程, 重点介绍了可解释人工智能与物理信息机器学习等前沿方法. 进而, 从微介观性能 (如微观结构演化、断裂行为)、宏观性能 (如硬度、应力响应、疲劳寿命) 与跨尺度耦合性能 (如流变应力、屈服强度、本构参数反演) 三个层面, 评述了机器学习模型的典型应用与预测效果, 突出其在高通量计算与多尺度建模中的优势. 最后, 指出该领域面临数据稀缺、异构性及宽温域/宽应变率条件下预测精度不足等挑战, 并提出迁移学习、大型语言模型与多模态融合等解决路径. 展望未来, 本文构建了融合多模态数据与物理机制的机器学习技术路径, 旨在实现对极端环境下金属材料力学行为的精准预测, 推动材料力学研究向数字化、智能化方向发展.
, 最新更新时间 , doi: 10.6052/1000-0992-25-015
摘要:
非晶合金因其独特的原子结构而呈现出复杂的粘弹性行为, 表现为动态弛豫和静态滞后特征, 这不仅是深入理解玻璃转变、塑性变形机制及动态非均匀性等基础物理问题的核心切入点, 也为高性能非晶合金与功能材料的开发及工程应用提供了关键理论支撑. 如何从微观机制出发构建一个能够统一描述并预测其复杂粘弹性行为的理论框架, 仍是非晶固体领域面临的重要挑战. 基于此, 本文聚焦于准点缺陷 (Quasi-Point Defect, QPD) 理论在系统解析非晶合金粘弹性行为中的核心作用及其最新研究进展. 深入探讨了运用 QPD 理论分析非晶合金中的动态弛豫现象, 并揭示了该理论与分数阶模型的内在一致性. 在此基础上, 综述了动态弛豫与宏观准静态粘弹性变形的内在关联, 阐释了两步松弛、蠕变等现象背后由不同尺度缺陷运动主导的物理机制. 针对蠕变行为, 重点讨论了基于QPD理论对非晶合金中缺陷演化和多级幂律蠕变机制的理解. 此外, 本文系统阐述了通过粘弹性变形调控非晶合金能量状态的机制, 以及这种调控如何通过影响准点缺陷的浓度、分布及协同运动, 进而改变材料的动态弛豫特征. 本文旨在展现如何基于准点缺陷理论构建非晶合金微观结构非均匀性、缺陷动力学与宏观粘弹性响应之间的关联, 为理解和预测其复杂力学行为提供重要理论视角.
非晶合金因其独特的原子结构而呈现出复杂的粘弹性行为, 表现为动态弛豫和静态滞后特征, 这不仅是深入理解玻璃转变、塑性变形机制及动态非均匀性等基础物理问题的核心切入点, 也为高性能非晶合金与功能材料的开发及工程应用提供了关键理论支撑. 如何从微观机制出发构建一个能够统一描述并预测其复杂粘弹性行为的理论框架, 仍是非晶固体领域面临的重要挑战. 基于此, 本文聚焦于准点缺陷 (Quasi-Point Defect, QPD) 理论在系统解析非晶合金粘弹性行为中的核心作用及其最新研究进展. 深入探讨了运用 QPD 理论分析非晶合金中的动态弛豫现象, 并揭示了该理论与分数阶模型的内在一致性. 在此基础上, 综述了动态弛豫与宏观准静态粘弹性变形的内在关联, 阐释了两步松弛、蠕变等现象背后由不同尺度缺陷运动主导的物理机制. 针对蠕变行为, 重点讨论了基于QPD理论对非晶合金中缺陷演化和多级幂律蠕变机制的理解. 此外, 本文系统阐述了通过粘弹性变形调控非晶合金能量状态的机制, 以及这种调控如何通过影响准点缺陷的浓度、分布及协同运动, 进而改变材料的动态弛豫特征. 本文旨在展现如何基于准点缺陷理论构建非晶合金微观结构非均匀性、缺陷动力学与宏观粘弹性响应之间的关联, 为理解和预测其复杂力学行为提供重要理论视角.
, 最新更新时间 , doi: 10.6052/1000-0992-25-025
摘要:
从介绍美国和俄罗斯建设特大型低速风洞的背景出发, 重点阐述了国外特大型低速风洞开展的试验研究情况, 包括运用的试验流程、完成的试验型号、使用的试验技术等, 尤其是针对特大型低速风洞而设计的特殊试验技术, 研判了特大型低速风洞试验技术未来的发展趋势. 研究结果表明, 特大型低速风洞的建设主要是为了满足型号试验任务和技术发展的需要, 试验流程突出大模型的安装和试验故障的处理, 试验型号以固定翼飞机、旋翼飞机等各类飞机为主, 也兼顾多种航天飞行器的低速试验研究, 还积极承揽能源、交通及建筑类的试验任务, 并在基础空气动力学问题研究方面发挥了重要的作用. 在试验技术方面, 特大型低速风洞既采用了常规的测力、测压和测速等试验技术, 也发展了全尺寸模型、倾转试验台、特大攻角、模型自由飞行、非接触光学测量、恶劣环境模拟等特殊的试验技术, 试验技术总体呈现向提交高精度数据、组合利用多种测试手段、深度赋能大数据、多学科一体化、虚拟现实与增强现实相结合等方向发展. 最后, 提出了特大型低速风洞分步发展试验技术、打造专业试验平台、突出试验细节尺度优势等几点启示.
从介绍美国和俄罗斯建设特大型低速风洞的背景出发, 重点阐述了国外特大型低速风洞开展的试验研究情况, 包括运用的试验流程、完成的试验型号、使用的试验技术等, 尤其是针对特大型低速风洞而设计的特殊试验技术, 研判了特大型低速风洞试验技术未来的发展趋势. 研究结果表明, 特大型低速风洞的建设主要是为了满足型号试验任务和技术发展的需要, 试验流程突出大模型的安装和试验故障的处理, 试验型号以固定翼飞机、旋翼飞机等各类飞机为主, 也兼顾多种航天飞行器的低速试验研究, 还积极承揽能源、交通及建筑类的试验任务, 并在基础空气动力学问题研究方面发挥了重要的作用. 在试验技术方面, 特大型低速风洞既采用了常规的测力、测压和测速等试验技术, 也发展了全尺寸模型、倾转试验台、特大攻角、模型自由飞行、非接触光学测量、恶劣环境模拟等特殊的试验技术, 试验技术总体呈现向提交高精度数据、组合利用多种测试手段、深度赋能大数据、多学科一体化、虚拟现实与增强现实相结合等方向发展. 最后, 提出了特大型低速风洞分步发展试验技术、打造专业试验平台、突出试验细节尺度优势等几点启示.
, 最新更新时间 , doi: 10.6052/1000-0992-25-020
摘要:
涡环同轴相互作用是亚音速射流中的典型流动结构和重要的噪声来源. 调控涡环相互作用过程的加减速运动是降低射流噪声的关键. 已有的研究工作发现, 弱涡环径向加速度是低频高振幅噪声的主导因素. 本文基于Dyson薄核涡环模型研究了这一现象的成立条件和规律. 通过将声源分解为涡环轴向和径向动力学参数乘积的形式, 研究了不同初始环量比和初始半径比条件下的涡环相互作用过程, 发现了主导总声源脉冲的临界初始半径比. 只有当初始涡环半径比小于临界初始半径比时, 弱涡环径向加速度声源项对总声源的贡献才大于强涡环. 通过对涡环相互作用过程的定量分析, 发现了声源脉冲峰值与涡环轴向速度、径向加速度峰值的关联关系, 并发现强涡环的反向运动, 会造成强涡环声源项产生反相位脉冲.
涡环同轴相互作用是亚音速射流中的典型流动结构和重要的噪声来源. 调控涡环相互作用过程的加减速运动是降低射流噪声的关键. 已有的研究工作发现, 弱涡环径向加速度是低频高振幅噪声的主导因素. 本文基于Dyson薄核涡环模型研究了这一现象的成立条件和规律. 通过将声源分解为涡环轴向和径向动力学参数乘积的形式, 研究了不同初始环量比和初始半径比条件下的涡环相互作用过程, 发现了主导总声源脉冲的临界初始半径比. 只有当初始涡环半径比小于临界初始半径比时, 弱涡环径向加速度声源项对总声源的贡献才大于强涡环. 通过对涡环相互作用过程的定量分析, 发现了声源脉冲峰值与涡环轴向速度、径向加速度峰值的关联关系, 并发现强涡环的反向运动, 会造成强涡环声源项产生反相位脉冲.
, 最新更新时间 , doi: 10.6052/1000-0992-25-018
摘要:
理解与预测物质微观结构及其演化行为, 并揭示其与宏观性能之间的关联规律, 是固体力学关注的核心科学问题之一. 从 Galileo 的木梁弯曲实验、Cauchy 基于微元的应力定义, 到基于 Arrhenius 关系的加速蠕变实验设计, 力学中的模型假设与理论解析持续推动物质科学的发展和材料、结构工程的进步, 原子模拟、连续介质仿真等方法在学术与工业界得到广泛的应用. 然而, 物质的变形与失效过程常具有多时空尺度、多物理场、多机制耦合与非线性演化特征. 基于“观察−假设−模型”的研究思路在面对上述复杂性时遭遇挑战. 在高性能计算和高通量实验的基础上, 数据科学与人工智能方法的发展使我们可以从互补角度来重新审视复杂性问题, 拓展科学发现与工程设计边界. 相比智能技术在视觉、语言等数字空间中的应用, 工程科学对物质世界的探索在数据质量、模型可解释性与推断能力方面提出更高要求. 在统计学习模型中引入数学约束或物理传递策略有助于克服性能−效率均衡与泛化、可理解性等挑战, 构建具备物理一致性和广度的数据库与数字库有望以“重构现实”的方式理解复杂系统的演化规律. 在认知科学的推动下, 物理智能等技术正逐步具备在复杂、动态场景中协助甚至开展科学探索与推理的能力. 本文聚焦材料力学性能与结构长时服役行为, 探讨固体力学中的典型复杂性, 从学习理论、开放科学的视角展望本领域基础与应用研究的发展方向.
理解与预测物质微观结构及其演化行为, 并揭示其与宏观性能之间的关联规律, 是固体力学关注的核心科学问题之一. 从 Galileo 的木梁弯曲实验、Cauchy 基于微元的应力定义, 到基于 Arrhenius 关系的加速蠕变实验设计, 力学中的模型假设与理论解析持续推动物质科学的发展和材料、结构工程的进步, 原子模拟、连续介质仿真等方法在学术与工业界得到广泛的应用. 然而, 物质的变形与失效过程常具有多时空尺度、多物理场、多机制耦合与非线性演化特征. 基于“观察−假设−模型”的研究思路在面对上述复杂性时遭遇挑战. 在高性能计算和高通量实验的基础上, 数据科学与人工智能方法的发展使我们可以从互补角度来重新审视复杂性问题, 拓展科学发现与工程设计边界. 相比智能技术在视觉、语言等数字空间中的应用, 工程科学对物质世界的探索在数据质量、模型可解释性与推断能力方面提出更高要求. 在统计学习模型中引入数学约束或物理传递策略有助于克服性能−效率均衡与泛化、可理解性等挑战, 构建具备物理一致性和广度的数据库与数字库有望以“重构现实”的方式理解复杂系统的演化规律. 在认知科学的推动下, 物理智能等技术正逐步具备在复杂、动态场景中协助甚至开展科学探索与推理的能力. 本文聚焦材料力学性能与结构长时服役行为, 探讨固体力学中的典型复杂性, 从学习理论、开放科学的视角展望本领域基础与应用研究的发展方向.
Email Alert
RSS