非線性本構建模
關注創建者：匿名 創建時間：2026-02-27
非線性本構建模的視頻教程
019 - FDTD光子晶體微腔（含演示，66元）
）、偶極子光源、Matlab中曲線的非線性擬合、Matlab中進行一維/二維傅里葉變換、Matlab中自定義顏色表（深紫色-淺紅色-白色的漸變） 等； ·??繪制了：電場分布、電場分布的曲線擬合、電場分布的一維/二維傅里葉變換； ·??建模過程錄制了時長為23 min的演示視頻（沒有聲音）。
￥66 24分鐘 12播放
查看
溫度及應變率相關超黏彈性本構的建立、推導、參數識別與有限元應用
在公式推導章節中，構建了模型的本構方程，并推導了不可壓縮黏彈性材料在單軸壓縮時應力松弛階段的應力演化方程，其中涉及分部積分、指數積分函數等數學計算方法。 在參數識別章節中，從實驗數據出發，給出了在不同溫度下的壓縮及應力松弛實驗數據，并介紹了一種利用Origin擬合實驗數據獲取材料參數的“邪修”方法，手把手教學Origin自定義非線性擬合函數的操作方法。
￥399 3小時1分鐘 782播放
查看
ANSYS ICEPAK電子散熱仿真全套原創視頻教程
如何用OPEN在機箱上開孔 模型的優先級 如可停止進行中的仿真工作 TRASH與INACCTIVE的區別 如何定義模型的溫度限制及查看 如何在實體模型上進行開孔或槽 ? ICEPAK教程—建模篇 熱管的建模與參數設置 如何利用HEATSINK對象進行異形散熱片的構建 如何利用板或塊等模型進行異形散熱片構建 大模型如何用對稱模進行仿真 ICEPAK教程—參數化優化設計篇
￥1499 5分鐘 1056播放
查看
非線性本構建模的實例教程
博世公司為了準確描述SFRP材料產品的性能，使用到海克斯康旗下的復合材料多尺度仿真平臺Digimat，對SFRP材料進行非線性本構建模以及注塑工藝結果映射，從而實現了針對產品性能的準確預測。
另一方面，傳統的設計制造過程是確定性設計，認為所有的輸入參數都是固定值；然而實際情況是產品在制造生產過程中存在多種不確定性，例如SFRP材料含量的波動。因此通過在設計階段引入可靠性分析，完善產品設計，防止出現設計不足或過設計情況。
2 解決方案
海克斯康基于旗下復合材料多尺度仿真平臺Digimat，以及人工智能/機器學習智能實時仿真平臺ODYSSEE，搭建了針對復合材料不確定性量化（UQ）分析的解決方案（如下圖），并應用于博世公司的SFRP材料產品設計中。
圖1. 針對復合材料UQ分析解決方案
該解決方案主要包含五個步驟：
準備輸入文件
定義并執行實驗設計（DoE）
訓練和評估降階模型（ROM）
定義和計算設計極限
進行不確定性量化（UQ）分析
3 應用案例
博世公司研究團隊主要針對SFRP材料通過虛擬工程來加快產品開發的步伐，包括過程模擬、微觀結構特征模擬和測試、結構模擬等。從而減少實際準靜態測試的工作量，包括產品的準靜態變形和失效，并進行可靠性評估。
圖2. SFRP材料產品虛擬工程
對于 SFRP材料，傳統的測試方法需要經歷材料交付、板材注塑成型、樣品研磨、CT掃描、拉伸實驗等多個步驟才能最終得到相關材料參數，花費時間最少1個月；而利用材料虛擬工程的方法，可以將材料開發時間縮短到幾天。
圖3.
展開 
非線性本構建模的最新內容
我們提出利用變換光學來設計支持多個波導模式傳輸的超緊湊多模波導彎曲、交叉及多模微環腔，且支持數百納米帶寬。另外，我們基于Ansys Lumerical FDTD軟件及波導邊界曲線伴隨法逆向設計，優化實現了任意角度X型交叉等器件，器件體積極致縮小。
對于后續開展超薄板塑性成形、切邊質量控制以及微尺度損傷本構建模，這篇文章都提供了很有價值的思路.
不過值得指出的是文中引入 cohesive 單元主要用于裂紋路徑的可視化表達，而其插入區域和參數設置并未像 GTN 參數那樣得到充分展開，因此這一部分更適合作為輔助性的裂紋表征手段，而非全文最核心的機理貢獻。
▲ 圖9 剪切速率為50 s?1時溫度對純冷卻液與納米流體剪切應力的影響：（a）氧化銅；（b）氧化鋁
溫度程序掃描揭示了強烈的溫度依賴性：隨著系統溫度升高，納米流體的剪切應力與表觀粘度均呈現出顯著的指數級非線性衰減。當動力電池局部發生過熱時，緊貼熱點區域的冷卻介質被加熱，局部粘度驟降，引發雷諾數非線性躍升。
本案例將展示如何通過制備型升溫淋洗分級（P-TREF）、連續自成核退火熱分級（SSA）以及高溫凝膠滲透色譜（HT-GPC）的深度矩陣式聯用，成功破譯兩款基礎物性參數相近、但宏觀力學和流變性能差異顯著的商業化mLLDPE樹脂的深層微觀結構密碼。
三、聚合物的高非線性與粘塑性力學特征
與具有明確晶格滑移機制的金屬不同，非晶態與半結晶態聚合物（如PC, ABS, PP）的變形源于高分子鏈段的滑移、解纏結與取向。
研究引入貝葉斯優化（BO）處理這一非線性黑箱優化問題：
以高斯過程回歸（GPR）為代理模型，建立透鏡組傾斜與MTF損失函數的映射關系；
采用期望提升（EI）采集函數平衡探索與開發，高效搜索理想傾斜量；
定義MTF損失函數綜合評價成像質量與均勻性，實現全局理想匹配。
該步驟精準補償傾斜誤差，完成透鏡組高精度對準，為傳感器微調奠定基礎。
點擊立即報名
11/24 | 數模混合電路的EMC正向設計——攝像頭/毫米波/激光雷達的底噪與相噪挑戰
講師簡介：
倪勝 | Ansys 主任應用工程師
主題簡介：在高密度小型化電子系統演進中，電源噪聲已成制約數模混合電路性能的關鍵瓶頸，如ADC、傳感器、毫米波/激光雷達等高敏系統的底噪與相噪。電源噪聲以非線性調制的方式干擾信號鏈路，導致性能劣化。
這本數學建模入門課程是為攻讀應用數學、生命科學或工程方向的大學四年級學生開發的。課程基于微積分、線性代數和微分方程的知識，涵蓋數學建模中至關重要的基本技術和思維過程。風格刻意隨意，主要目的是解釋本科核心課程中學到的數學如何用來理解物理和生物學中出現的簡單現象，以及相應模型的構建、測試和分析。
相比之下，photonic Verilog-A模型通常是為適應瞬態分析而構建的。Photonic Verilog-A模型的頻率掃描通常以間接方式進行，即通過直流分析，這非常緩慢。掃描時間也會隨掃描點數的增加而線性增長。
內容簡介：深度學習建模對標準磁環損耗具備優秀的非線性擬合能力，可精準適配多工況損耗預測。但成型磁芯、集成磁件內部磁密分布不均，會大幅降低損耗預測精度。為此本次分享結合有限元后處理與雙分支深度學習，提出FEM-DL耦合方法，融合局域場信息實現復雜磁件損耗精準預測，有效結合仿真與數據驅動優勢，預測效果良好。
