基于惯性效应的金属各向异性动态力学属性GRU-VFM协同建模方法

本发明涉及金属材料建模技术领域，具体涉及一种基于惯性效应的金属各向异性动态力学属性GRU‑VFM协同建模方法，该方法通过开展异形试件冲击实验，无需测量试件在冲击过程中所受外载荷，仅需同步采集试件变形过程中的时序应变场与加速度场数据，同时构建面向时序特征提取的双分支GRU网络模型，并基于虚场法原理设计神经网络损失函数，充分发挥虚场法间接调控网络预测应力的能力以及机器学习对全场数据深层信息挖掘能力的优势。网络完成训练后，所创建的材料力学本构模型可根据实测应变场‑加速度场数据，实现材料动态应力场的精确预测，并可用于开展基于神经网络材料本构的有限元数值模拟。