像素化线性黏弹性超材料冲击响应机理与可解释数据驱动建模

《COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING》：Interpretable data-driven modeling of pixelated linear viscoelastic metamaterials under impact loadings

本刊推荐：针对线性黏弹性超材料在冲击载荷下几何-黏性耦合建模难题，研究者提出“弹性基底+黏性调制”的可解释数据驱动框架，建立微观孔隙形状与宏观峰值力Fve、冲量Ive的稀疏映射关系，实现高效正演预测与逆向设计，为高性能防护材料开发提供新范式。

　　

在航空航天结构、汽车防撞系统以及个人防护装备的设计中，如何有效缓冲瞬态冲击、降低传递至人体的峰值力和冲量，一直是工程力学与材料科学的焦点议题。传统吸能材料虽具备一定阻尼特性，但其性能往往受限于单一的材料属性——要么刚度不足导致过度变形，要么黏性过强而无法充分耗散动能。近年来，将微结构几何设计与黏弹性材料结合的“超材料”（Metamaterials）崭露头角，它通过人工设计的周期性单元结构，在宏观上展现出天然材料不具备的异常力学行为，比如负泊松比、带隙滤波等。然而，黏弹性超材料的潜力远未被挖掘：其动态响应由复杂的多尺度机制主导——微观孔隙的拓扑构型决定了载荷传递路径，而基体材料的黏性松弛则调控着能量的时间域耗散。这种“几何-黏性-动力学”的非线性耦合，使得传统基于第一性原理的理论模型（如简化的Maxwell或Kelvin-Voigt模型）难以捕捉真实场景下的宽频谱响应；而高保真有限元（FE）模拟虽然精度高，但面对庞大的设计空间（例如8×8像素化单元的可能构型达数千种），计算成本令人望而却步。更关键的是，现有神经网络等数据驱动方法多为“黑箱”，虽然预测能力强，却无法揭示“哪个孔隙形状最影响峰值力”“黏性系数η如何改变冲量曲线”等物理机制，阻碍了面向性能的逆向设计。

为此，密歇根大学Shuaifeng Li、Xuedong Zhai、Xiaoming Mao与Ellen M. Arruda团队在《COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING》发表研究，提出了一种兼顾精度、可解释性与效率的数据驱动框架，首次实现了像素化线性黏弹性超材料在冲击载荷下的机理建模与快速逆向设计。该研究的核心创新在于“解耦思想”——将几何效应与黏性效应分离：先通过稀疏回归建立纯弹性超材料的峰值力F_e与微观孔隙特征的显式关联，再将黏弹性响应F_ve、I_ve表示为F_e与黏弹性系数η的函数变换，最终用极少项非线性组合精准描述复杂动力学行为，并成功应用于指定目标的微结构反向搜索。

本研究的关键技术路线包括四个核心环节：（1）有限元数据集构建：对满足制造约束（连通性、对称性等）的8×8像素化单元（约化后为4×4不可约像素，共1663种构型），采用ABAQUS显式动力学求解器模拟落锤冲击过程，提取无量纲峰值力F_ve与冲量I_ve；（2）二进制孔隙特征工程：摒弃原始像素向量，定义“孔隙形状完全覆盖”的二进制指示特征，将几何编码为可解释的局部实体；（3）稀疏线性回归：采用序列阈值岭回归（STRidge）算法求解l₀范数约束优化问题，筛选主导孔隙形状与F_e的映射关系；（4）非线性函数库建模：构造F_e与η的多项式/分数幂组合库（如η^-3F_e^-4等），再次通过稀疏回归识别F_ve、I_ve的简约表达式，并基于等值线几何求交实现逆向设计。

4.1 弹性响应的稀疏模型

通过80%训练集与20%测试集的划分，弹性峰值力F_e的线性模型δF_e=Ψα展现出高达87.5%的稀疏度——仅需不到1000个孔隙形状特征即可预测F_e。研究发现，影响力最大的特征是1-3像素的小尺寸孔隙，大尺寸复杂孔隙的贡献可近似为小孔隙的叠加。模型在测试集上的相对l₂误差仅2.6%，显著优于原始像素基线模型（误差29.4%），证明孔隙形状特征有效捕获了几何非线性。

4.2 黏弹性响应的稀疏模型

黏弹性峰值力F_ve的模型从221项候选函数中仅保留25项（稀疏度88.69%），可解释为F_e的幂律项被η相关算子O_i(η)调制：例如主导项η^-3F_e^-4表明高黏性会放大低F_e结构的力衰减。测试集（η=40，未参与训练）的相对误差为3.04%。冲量I_ve模型保留30项（稀疏度86.43%），其非单调依赖η的规律被精准捕捉：当η较小时，I_ve随η增大而减小（欠阻尼区）；当η超过临界值后，I_ve回升（过阻尼区），这与黏弹性动力学的相变机制一致，测试集误差仅0.70%。

4.3 黏弹性超材料的逆向设计

以目标峰值力F_target=1.5 N、目标冲量I_target=0.3 N·s为例，通过求解等值线g(F_e,η)=F_target与h(F_e,η)=I_target的交点，得到设计参数F_e,target=2.831 N、η=3.5855，并反向映射到具体单元构型。有限元验证显示实际响应F_FE=1.56291 N、I_FE=0.300664 N·s，与目标高度吻合。此外，研究还展示了不同η下最小化F_ve或I_ve的最优构型演化，证实“理想几何依赖于黏性状态”。

该研究通过可解释的数据驱动方法，揭示了黏弹性超材料冲击响应的核心机理：宏观性能由少数主导孔隙形状与黏性系数的非线性组合决定。其模型训练耗时约55秒，单次预测仅需8毫秒，较传统有限元提速千倍以上，同时支持从性能指标到微结构的快速逆向搜索。这一框架不仅解决了“黑箱模型”缺乏物理洞察的痛点，更为定制化防护材料（如抗冲击头盔衬垫、车辆吸能结构）提供了可量化、可推广的设计范式，未来有望拓展至波导调控、振动抑制等领域。