基于物理信息机器学习的6061铝合金流变行为本构关系预测方法

本发明提出一种基于物理信息机器学习的6061铝合金流变行为本构关系预测方法，对实验应力‑应变曲线数据进行截取屈服点并保留塑性段并与所对应的实验条件组合，从而获得用于物理信息机器学习模型训练的数据集；对数据集进行ANN模型训练，获得ANN模型预测应力值与实验应力值之间的数据驱动损失项；然后通过将物理本构模型嵌入到ANN模型的损失函数中，实现将物理定律作为约束条件引入神经网络学习，通过计算神经网络预测和本构模型所描述的物理结果之间的差异形成一个额外的物理驱动损失项；通过物理驱动损失项与数据驱动损失项根据不同权重相结合建立损失函数，并根据损失函数训练物理信息机器学习模型，输出最终预测应力应变曲线。