摘要：固体变形与疲劳断裂分析是固体力学领域的核心研究方向，在重大工程和装备服役行为评估中扮演着关键角色。准确地预测固体材料和结构的变形与疲劳断裂行为对于保障其服役安全性和可靠性至关重要，也为现有材料的改性和新材料的研发提供重要参考。然而，固体变形与疲劳断裂问题受到多

固体变形与疲劳断裂分析是固体力学领域的核心研究方向，在重大工程和装备服役行为评估中扮演着关键角色。准确地预测固体材料和结构的变形与疲劳断裂行为对于保障其服役安全性和可靠性至关重要，也为现有材料的改性和新材料的研发提供重要参考。然而，固体变形与疲劳断裂问题受到多因素耦合作用，机理错综复杂，采用传统的基于经验或物理模型的分析方法难以对其进行准确高效预测，成为固体力学领域面临的重要挑战。

工程结构疲劳破坏案例

20世纪以来，作为大数据与人工智能技术发展到一定阶段的必然产物，机器学习方法为有效处理高维物理数据之间的复杂非线性关系提供了契机，在深入挖掘多因素耦合且机理错综复杂的固体变形与疲劳断裂规律方面展现出突出的优势，为固体变形与疲劳断裂研究带来了新的机遇。

机器学习应用领域

尽管国内学者目前已发表了一些优秀的机器学习著作，但在固体力学领域，尤其是在基于机器学习的固体变形与疲劳断裂分析方面还缺乏系统性的总结和应用范例介绍。为了更好地促进机器学习等方法在固体力学研究领域的应用，西南交通大学康国政教授研究团队在国家自然科学基金重大项目课题四（12192214）和西南交通大学校级教材（本科）建设研究项目（2022）的支持下，出版了著作《》（康国政, 阚前华, 张旭, 胡雅楠编著. 北京：科学出版社, 2024. 10）。

作者简介

康国政，固体力学博士，西南交通大学首席教授，博士生导师。国家级人才计划入选者（2014），全国优秀教育工作者，德国“洪堡学者”，享受国务院特殊政府津贴专家，教育部高等学校力学类专业教学指导委员会委员，中国力学学会常务理事。主要从事先进材料循环本构关系、疲劳与断裂研究。

阚前华，固体力学博士，西南交通大学教授，博士生导师。国家级人才计划入选者（2023）。长期从事轮轨滚动接触疲劳和智能材料多场耦合疲劳研究。

张旭，固体力学博士，西南交通大学教授，博士生导师。国家级青年人才计划入选者（2022），德国“洪堡学者”，国际塑性期刊青年研究奖（International Journal of Plasticity Young Researcher Award）获得者。长期从事先进金属材料的多尺度力学研究。

胡雅楠，车辆工程博士，西南交通大学讲师，硕士生导师。长期从事焊接和增材制造材料疲劳与断裂行为研究、材料疲劳损伤行为的先进光源原位表征。

本书除了在固体力学领域常用的机器学习算法和通用的使用流程外，著作包含了研究团队近年来在固体材料多尺度模拟（分子动力学模拟、离散位错动力学模拟、晶体塑性有限元模拟）和疲劳寿命预测（数据驱动和机理驱动）方面的研究成果；同时，对机器学习方法在材料本构模型、断裂行为，以及结构变形和疲劳断裂分析方面的应用进展进行了介绍。

左右滑动查看更多

基于机器学习的固体变形与疲劳断裂分析

ISBN 978-7-03-079494-9

康国政，阚前华，张旭，胡雅楠 编著

责任编辑：华宗琪

全书共6章，第1章为绪论；第2章为机器学习算法及流程简介，介绍常用的机器学习算法及其使用流程；第3章为基于机器学习的多尺度塑性力学分析，介绍基于机器学习的分子动力学模拟、离散位错动力学模拟、晶体塑性有限元模拟和本构建模过程；第4章为基于机器学习的材料断裂行为研究，介绍机器学习在裂纹源、裂纹扩展行为、断裂强度和断裂韧性预测中的应用；第5章为基于机器学习的材料疲劳寿命预测，介绍基于数据驱动和机理驱动的机器学习方法，以及疲劳寿命预测研究方面的进展；第6章为基于机器学习的固体结构分析，介绍机器学习在固体结构变形、疲劳与断裂行为研究中的应用。

本书特色

基于机器学习的固体变形与疲劳断裂研究系统性的总结。

融合团队在固体材料多尺度模拟和疲劳寿命预测方面的研究成果。

后续配套有同名数字教材，利于读者快速掌握本书内容。

本书可供高等学校力学、机械、土木、航空航天等专业本科生使用，也可供研究生和工程技术人员参考。

本文摘编自《基于机器学习的固体变形与疲劳断裂分析》（康国政等编著. 北京：科学出版社, 2024. 10）一书“内容简介”和“前言”。

（本文编辑：刘四旦）

原创好读 科学品位

科学出版社 视频号

硬核有料 视听科学

来源：科学出版社一点号