Один тест, чтобы предсказать их все: реологическая характеристика сложных жидкостей с помощью искусственной нейронной сети

Реологическое поведение сложных жидкостей, включая тиксотропию, вязкоупругость и вязкопластичность, создает значительные трудности как при измерении, так и при прогнозировании из-за переходного характера их откликов по напряжению. В настоящем исследовании представлена искусственная нейронная сеть (ИНС), предназначенная для цифровой характеристики реологии сложных жидкостей с беспрецедентной точностью. В рамках подхода, основанного на данных, ИНС обучается с использованием переходных реологических испытаний со ступенчатыми воздействиями скорости сдвига. После обучения сеть эффективно выявляет сложные зависимости реологических свойств от времени и сдвига, обеспечивая быстрое и точное прогнозирование результатов различных реологических испытаний. В отличие от этого традиционные феноменологические структурно-кинетические конститутивные модели зачастую не позволяют точно описывать эволюцию нелинейных реологических свойств, особенно при повышении сложности материала. ИНС демонстрирует высокую гибкость, надежность и робастность, точно прогнозируя переходную реологию различных материалов при разных предысториях сдвига. Полученные результаты показывают, что ИНС способны не только дополнять и валидировать традиционные методы реологической характеристики, но и потенциально заменять их, открывая путь к более эффективной разработке и испытаниям материалов.