当前位置：首页>武汉>武汉理工大学罗国强教授团队| 基于深度学习方法的梯度密度飞片与可控加载路径的双向映射研究

武汉理工大学罗国强教授团队| 基于深度学习方法的梯度密度飞片与可控加载路径的双向映射研究

2026-10-08 19:57:08

文章引用：

Yiwei Zhang, Ruizhi Zhang*, Junbang Jiang*, Yahui Huang, Han Chen, Jian Zhang, Guoqiang Luo*, Qiang Shen. Deep Learning-Based Prediction of Controllable Stress/Strain-Rate Loading and Design for Loading Conditions. Materials Genome Engineering Advances. 2026;4(1):e70051.

https://doi.org/10.1002/mgea.70051

摘要

梯度密度飞片（GDI）动态加载技术是实现可控应力/应变率加载的关键，其中GDI的结构设计与加载速度对加载结果起着决定性作用。研究首先通过有限元模拟了基于GDI的可控加载过程，通过研究GDI的加载速度与中间层厚度揭示了应力与应变率参数的解耦机制：加载速度决定加载曲线的整体幅值，而GDI中间层厚度的变化则调控特定的应变率加载路径。在此基础上，本研究使用深度学习方法构建了一种分支卷积神经网络（CNN）与双向长短期记忆模型（BLSTM）相结合的深度学习框架，可同步预测应力/应变率曲线（R² = 0.95）和加载速度（R² = 0.99），同时实现GDI中间层厚度的逆向设计。该方法解决了曲线预测中的多因素耦合难题，并为极端条件下的时间相关问题提供了解决途径。

文章重点内容介绍

针对传统密度梯度材料（GDI）动态加载设计方法在高维参数耦合调控、应力/应变率解耦难、数值模拟效率低下的瓶颈问题，武汉理工大学罗国强教授团队提出了一种融合数值模拟、深度学习（CNN-BLSTM）、双向预测与超参数优化的创新设计框架。该工作通过MLEP一维拉格朗日流体动力学模拟生成包含GDI结构参数、加载条件与应力/应变率性能的配对数据集，建立了兼具高精度与高效率的CBLSTM混合预测模型，具体内容如图一所示。

图一. 应力/应变率曲线预测与加载条件设计的框架示意图。

图二展示了加载速度与GDI中间层厚度变化对应力/应变率的影响。分析表明，GDI中间层厚度的调控可以实现应力与应变率响应的解耦，在保持应力不变的情况下，可通过调整GDI中间层厚度以实现对应变率加载路径的独立调控。

图二. 不同加载速度与GDI结构下的应力及应变率曲线。

为了构建加载速度、GDI中间层厚度与加载曲线的双向映射关系，本研究构建了基于深度学习网络的曲线预测与逆向设计模型。如图三所示，模型在验证集上对应力/应变率曲线预测的R²达到0.95，成功实现了对加载曲线的精准预测。

图三. 两种加载速度下的应力曲线及应变率曲线预测结果

在GDI结构与加载速度设计的任务中，使用了CNN+BLSTM模型，通过闭环实验成功预测出GDI结构与加载速度，其R²达到0.99。部分预测结果如图四所示。此外，传统数值模拟方法计算1000组构型需耗时35小时，而CBLSTM模型方法仅在10分钟内即可处理10,000组构型，计算效率提升了10³-10⁴倍，为基于应力/应变率曲线实现GDI结构设计提供了方法论基础。

图四. 三种模型在中间层厚度预测中的精度对比。

结论：

通过结合特征共享与时序依赖捕捉技术优化模型结构，利用双向预测算法实现“结构-性能”的精准映射，该框架成功实现了应力/应变率曲线预测与GDI结构逆向设计的协同，最终获得了兼具高精度与工程实用性的优化方案，其应力/应变率曲线预测R²达0.95，加载速度预测R²达0.99，计算效率较传统数值模拟提升10³-10⁴倍，为实现GDI高效可控设计提供了新范式。

作者介绍

通讯作者

罗国强，男，中共党员，博士生导师，武汉理工大学材料学院院长，材料与土建资环学部副主任。教育部首批高校“双带头人”教师党支部书记工作室负责人，国家级科技创新团队负责人，国家重点研发计划首席科学家，卓越青年科学基金计划获得者。主要研究方向为先进功能复合材料技术梯度化策略与材料基因工程。在Sci. Adv.、Nat. Commun.、Adv. Mater.、J. Mater. Sci. Technol.、J. Am. Ceram. Soc.、Scripta Mater.等材料、冶金、物理等领域国际期刊发表高水平学术论文300余篇，获授权国家发明专利100余项。相关成果应用于国家重大任务，获湖北省技术发明一等奖、军队科技进步一等奖、国家技术发明二等奖等各类省部级以上科研奖项6项。

第一作者

张艺炜，男，中共党员，武汉理工大学材料科学与工程学院2025级纳米科学与工程博士生，导师为罗国强研究员。目前主要研究方向为基于数据驱动的材料动态物性研究，目前以第一作者发表论文2篇，授权专利1项。

《材料基因工程前沿（英文）》简介

《材料基因工程前沿（英文）》（Materials Genome Engineering Advances，简称：MGE Advances）作为材料基因工程领域首个高水平综合性学术期刊，其宗旨是面向国家重点战略布局与材料学科国际学术前沿发展的重大需求，聚焦材料基因工程领域，刊载先进材料计算、高通量/自动化/智能化材料实验技术、材料数据库与大数据技术等材料基因工程关键技术的研究进展和前沿成果，以及三者在材料新效应/新原理探索和新材料发现等方面的重要应用，创建一个跨学科多领域交叉融合的国际一流高水平出版平台和学术交流平台，推动新材料研发模式变革。