- 高等教育出版社
- 9787040662757
- 1版
- 64275596-1
- 16开
- 工学
- 力学类
- 力学
- 本科
内容简介
本书是力学领域“101计划”核心教材之一。数据力学是融合物理建模思想与现代数据科学方法的新兴交叉领域，旨在突破力学建模中数据表征、物理约束与计算效率的协同瓶颈，为传统力学体系赋予创新动能。
全书分两部分，共15章。第一部分为数据力学基础与方法，含6章，包括绪论、概率论与数理统计初步、非线性优化与变分法、数据力学之机器学习、数据力学之数据分析、数据力学之神经网络。第二部分为数据力学的工程应用，含9章，包括数据力学中数据驱动的建模方法、物理信息神经网络、数据力学在力学控制方程建模中的应用、数据力学在力学宏观本构建模与分析中的应用、数据力学在结构分析与设计中的应用、数据力学在分子动力学中的应用、数据力学在多刚体系统动力学建模中的应用、数据力学在重大工程装备先进制造中的应用、数据力学在深地油气开采中的应用。
本书可作为高等学校力学相关专业高年级本科生、研究生课程教材，也可作为相关工程技术人员的专业学习与参考用书。
全书分两部分，共15章。第一部分为数据力学基础与方法，含6章，包括绪论、概率论与数理统计初步、非线性优化与变分法、数据力学之机器学习、数据力学之数据分析、数据力学之神经网络。第二部分为数据力学的工程应用，含9章，包括数据力学中数据驱动的建模方法、物理信息神经网络、数据力学在力学控制方程建模中的应用、数据力学在力学宏观本构建模与分析中的应用、数据力学在结构分析与设计中的应用、数据力学在分子动力学中的应用、数据力学在多刚体系统动力学建模中的应用、数据力学在重大工程装备先进制造中的应用、数据力学在深地油气开采中的应用。
本书可作为高等学校力学相关专业高年级本科生、研究生课程教材，也可作为相关工程技术人员的专业学习与参考用书。
目录
目录
前辅文
第一部分 数据力学基础与方法
第1章 绪论
1.1 传统力学方法的概况与发展挑战
1.1.1 力学的基本概念与发展历程
1.1.2 传统力学方法的挑战
1.2 数据科学方法的背景
1.2.1 数据科学的起源：从实验归纳到统计建模
1.2.2 数值计算的崛起：从解析方法到自动化模拟
1.2.3 数据科学的演化与智能化转型
1.3 发展数据力学的重要意义
1.3.1 数据力学的核心价值与定义
1.3.2 数据力学的应用领域与实践
1.3.3 数据力学的未来发展趋势
1.4 维数灾难
1.5 小结
第2章 概率论与数理统计初步
2.1 概率论简介
2.1.1 基本概念
2.1.2 随机变量与概率分布
2.1.3 期望与方差
2.2 数理统计简介
2.2.1 基本定理与概念
2.2.2 统计分析
2.2.3 回归分析
2.3 小结
第3章 非线性优化与变分法
3.1 非线性优化
3.1.1 认识优化
3.1.2 优化问题中的相关概念
3.1.3 结构优化力学问题的数学建模案例
3.1.4 一元函数的无约束优化
3.1.5 多元函数的无约束优化、梯度及黑塞矩阵
3.1.6 受等式约束的多元函数的优化、拉格朗日乘子法
3.1.7 受不等式约束的多元函数优化——库恩–塔克条件
3.2 变分法
3.2.1 泛函与空间
3.2.2 变分法
3.2.3 力学中的变分原理
3.3 基于变分法的概率统计
3.3.1 贝叶斯拟合
3.3.2 变分推断与贝叶斯拟合的结合
3.4 小结
第4章 数据力学之机器学习
4.1 机器学习概述
4.1.1 机器学习简介及典型应用
4.1.2 机器学习的主要类别
4.1.3 机器学习的基本流程
4.2 机器学习分类和任务
4.2.1 监督学习
4.2.2 无监督学习
4.2.3 半监督学习
4.2.4 强化学习
4.3 小结
第5章 数据力学之数据分析
5.1 数据结构
5.1.1 数据与数据结构的基本概念
5.1.2 数据结构与存储机制
5.1.3 数据模态表示与模型适配
5.1.4 数据的预处理
5.2 数据拟合
5.2.1 多项式拟合
5.2.2 多项式拟合MATLAB代码
5.2.3 贝叶斯拟合
5.2.4 贝叶斯拟合MATLAB代码
5.3 数据聚类与主成分分析
5.3.1 数据聚类
5.3.2 主成分分析
5.4 数据同化分析
5.4.1 数据同化方法简介
5.4.2 数据同化的基本原理
5.4.3 数据同化的一般步骤
5.4.4 数据同化的主要算法
5.5 小结
第6章 数据力学之神经网络
6.1 前馈神经网络
6.2 激活函数
6.2.1 Sigmoid函数（Logistic函数）
6.2.2 Tanh函数（双曲正切激活函数）
6.2.3 ReLU函数
6.2.4 Leaky ReLU函数
6.2.5 Softmax函数
6.3 正向传播
6.3.1 输入层计算
6.3.2 隐藏层计算
6.3.3 输出层计算
6.3.4 正向传播的数学表示
6.4 自动微分
6.4.1 深度学习框架介绍
6.4.2 数值微分
6.4.3 符号微分
6.4.4 自动微分
6.5 反向传播
6.6 优化算法
6.6.1 最速下降法
6.6.2 Adam法
6.6.3 牛顿法
6.6.4 阻尼牛顿法
6.6.5 拟牛顿法
6.6.6 DFP法
6.6.7 BFGS法
6.7 正则化
6.7.1 过拟合
6.7.2 正则化方法
6.7.3 正则化参数的优化方法
6.8 小结
第二部分 数据力学的工程应用
第7章 数据力学中数据驱动的建模方法
7.1 DDCM的基本原理
7.2 典型工作与理论拓展
7.2.1 线弹性问题中的DDCM
7.2.2 弹塑性问题中的DDCM
7.2.3 数据驱动动力学
7.3 与机器学习的融合
7.4 小结
第8章 物理信息神经网络
8.1 物理信息神经网络
8.2 结合时间离散的物理信息神经网络
8.3 结合区域分解技术的物理信息神经网络
8.3.1 扩展物理信息神经网络
8.3.2 课程–迁移学习物理信息神经网络
8.4 求解变刚度薄板问题的双网络策略物理信息神经网络
8.4.1 变刚度薄板问题介绍
8.4.2 双网络策略物理信息神经网络
8.5 物理信息Kolmogorov–Arnold网络
8.6 神经正切核分析物理信息神经网络
8.6.1 神经正切核
8.6.2 物理信息神经网络中的神经正切核理论
8.7 算例
8.8 小结
第9章 数据力学在力学控制方程建模中的应用
9.1 数据驱动识别偏微分方程的Seq-SVF方法
9.2 基于Seq-SVF方法的杆系统控制方程建模实例
9.3 弹性变形及热力耦合系统控制方程建模实例
9.4 数据驱动杆系统控制方程建模MATLAB代码示例
9.5 小结
第10章 数据力学在力学宏观本构建模与分析中的应用
10.1 本构建模概述
10.2 数据驱动本构建模的发展路径
10.3 MAP123本构建模方法
10.4 基于数值实验的数据驱动本构建模实例
10.5 数据驱动本构建模MATLAB代码示例
10.6 小结
第11章 数据力学在结构分析与设计中的应用
11.1 线性边界假设条件下的传统子结构分析
11.2 考虑物理约束的多尺度形函数神经网络训练与优化
11.3 问题无关机器学习增强的结构拓扑优化
11.4 代码
11.5 小结
第12章 数据力学在分子动力学中的应用
12.1 经验势能参数优化
12.2 数据驱动势函数构建
12.3 小结
第13章 数据力学在多刚体系统动力学建模中的应用
13.1 多刚体系统动力学方程
13.2 基于拉格朗日的全连接神经网络
13.3 基于LNN的数据驱动多刚体系统动力学建模
13.4 数值仿真
13.5 小结
第14章 数据力学在重大工程装备先进制造中的应用
14.1 盾构装备自主研制与应用中的关键力学问题
14.2 盾构工程实测数据力学分析与反演识别
14.3 融合底层力学逻辑的盾构掘进载荷机器学习
14.4 小结
第15章 数据力学在深地油气开采中的应用
15.1 多孔数字岩心的生成
15.2 多孔岩石渗流分析
15.3 岩石断裂破坏预测
15.4 小结
参考文献
前辅文
第一部分 数据力学基础与方法
第1章 绪论
1.1 传统力学方法的概况与发展挑战
1.1.1 力学的基本概念与发展历程
1.1.2 传统力学方法的挑战
1.2 数据科学方法的背景
1.2.1 数据科学的起源：从实验归纳到统计建模
1.2.2 数值计算的崛起：从解析方法到自动化模拟
1.2.3 数据科学的演化与智能化转型
1.3 发展数据力学的重要意义
1.3.1 数据力学的核心价值与定义
1.3.2 数据力学的应用领域与实践
1.3.3 数据力学的未来发展趋势
1.4 维数灾难
1.5 小结
第2章 概率论与数理统计初步
2.1 概率论简介
2.1.1 基本概念
2.1.2 随机变量与概率分布
2.1.3 期望与方差
2.2 数理统计简介
2.2.1 基本定理与概念
2.2.2 统计分析
2.2.3 回归分析
2.3 小结
第3章 非线性优化与变分法
3.1 非线性优化
3.1.1 认识优化
3.1.2 优化问题中的相关概念
3.1.3 结构优化力学问题的数学建模案例
3.1.4 一元函数的无约束优化
3.1.5 多元函数的无约束优化、梯度及黑塞矩阵
3.1.6 受等式约束的多元函数的优化、拉格朗日乘子法
3.1.7 受不等式约束的多元函数优化——库恩–塔克条件
3.2 变分法
3.2.1 泛函与空间
3.2.2 变分法
3.2.3 力学中的变分原理
3.3 基于变分法的概率统计
3.3.1 贝叶斯拟合
3.3.2 变分推断与贝叶斯拟合的结合
3.4 小结
第4章 数据力学之机器学习
4.1 机器学习概述
4.1.1 机器学习简介及典型应用
4.1.2 机器学习的主要类别
4.1.3 机器学习的基本流程
4.2 机器学习分类和任务
4.2.1 监督学习
4.2.2 无监督学习
4.2.3 半监督学习
4.2.4 强化学习
4.3 小结
第5章 数据力学之数据分析
5.1 数据结构
5.1.1 数据与数据结构的基本概念
5.1.2 数据结构与存储机制
5.1.3 数据模态表示与模型适配
5.1.4 数据的预处理
5.2 数据拟合
5.2.1 多项式拟合
5.2.2 多项式拟合MATLAB代码
5.2.3 贝叶斯拟合
5.2.4 贝叶斯拟合MATLAB代码
5.3 数据聚类与主成分分析
5.3.1 数据聚类
5.3.2 主成分分析
5.4 数据同化分析
5.4.1 数据同化方法简介
5.4.2 数据同化的基本原理
5.4.3 数据同化的一般步骤
5.4.4 数据同化的主要算法
5.5 小结
第6章 数据力学之神经网络
6.1 前馈神经网络
6.2 激活函数
6.2.1 Sigmoid函数（Logistic函数）
6.2.2 Tanh函数（双曲正切激活函数）
6.2.3 ReLU函数
6.2.4 Leaky ReLU函数
6.2.5 Softmax函数
6.3 正向传播
6.3.1 输入层计算
6.3.2 隐藏层计算
6.3.3 输出层计算
6.3.4 正向传播的数学表示
6.4 自动微分
6.4.1 深度学习框架介绍
6.4.2 数值微分
6.4.3 符号微分
6.4.4 自动微分
6.5 反向传播
6.6 优化算法
6.6.1 最速下降法
6.6.2 Adam法
6.6.3 牛顿法
6.6.4 阻尼牛顿法
6.6.5 拟牛顿法
6.6.6 DFP法
6.6.7 BFGS法
6.7 正则化
6.7.1 过拟合
6.7.2 正则化方法
6.7.3 正则化参数的优化方法
6.8 小结
第二部分 数据力学的工程应用
第7章 数据力学中数据驱动的建模方法
7.1 DDCM的基本原理
7.2 典型工作与理论拓展
7.2.1 线弹性问题中的DDCM
7.2.2 弹塑性问题中的DDCM
7.2.3 数据驱动动力学
7.3 与机器学习的融合
7.4 小结
第8章 物理信息神经网络
8.1 物理信息神经网络
8.2 结合时间离散的物理信息神经网络
8.3 结合区域分解技术的物理信息神经网络
8.3.1 扩展物理信息神经网络
8.3.2 课程–迁移学习物理信息神经网络
8.4 求解变刚度薄板问题的双网络策略物理信息神经网络
8.4.1 变刚度薄板问题介绍
8.4.2 双网络策略物理信息神经网络
8.5 物理信息Kolmogorov–Arnold网络
8.6 神经正切核分析物理信息神经网络
8.6.1 神经正切核
8.6.2 物理信息神经网络中的神经正切核理论
8.7 算例
8.8 小结
第9章 数据力学在力学控制方程建模中的应用
9.1 数据驱动识别偏微分方程的Seq-SVF方法
9.2 基于Seq-SVF方法的杆系统控制方程建模实例
9.3 弹性变形及热力耦合系统控制方程建模实例
9.4 数据驱动杆系统控制方程建模MATLAB代码示例
9.5 小结
第10章 数据力学在力学宏观本构建模与分析中的应用
10.1 本构建模概述
10.2 数据驱动本构建模的发展路径
10.3 MAP123本构建模方法
10.4 基于数值实验的数据驱动本构建模实例
10.5 数据驱动本构建模MATLAB代码示例
10.6 小结
第11章 数据力学在结构分析与设计中的应用
11.1 线性边界假设条件下的传统子结构分析
11.2 考虑物理约束的多尺度形函数神经网络训练与优化
11.3 问题无关机器学习增强的结构拓扑优化
11.4 代码
11.5 小结
第12章 数据力学在分子动力学中的应用
12.1 经验势能参数优化
12.2 数据驱动势函数构建
12.3 小结
第13章 数据力学在多刚体系统动力学建模中的应用
13.1 多刚体系统动力学方程
13.2 基于拉格朗日的全连接神经网络
13.3 基于LNN的数据驱动多刚体系统动力学建模
13.4 数值仿真
13.5 小结
第14章 数据力学在重大工程装备先进制造中的应用
14.1 盾构装备自主研制与应用中的关键力学问题
14.2 盾构工程实测数据力学分析与反演识别
14.3 融合底层力学逻辑的盾构掘进载荷机器学习
14.4 小结
第15章 数据力学在深地油气开采中的应用
15.1 多孔数字岩心的生成
15.2 多孔岩石渗流分析
15.3 岩石断裂破坏预测
15.4 小结
参考文献
前辅文
第一部分 数据力学基础与方法
第1章 绪论
1.1 传统力学方法的概况与发展挑战
1.1.1 力学的基本概念与发展历程
1.1.2 传统力学方法的挑战
1.2 数据科学方法的背景
1.2.1 数据科学的起源：从实验归纳到统计建模
1.2.2 数值计算的崛起：从解析方法到自动化模拟
1.2.3 数据科学的演化与智能化转型
1.3 发展数据力学的重要意义
1.3.1 数据力学的核心价值与定义
1.3.2 数据力学的应用领域与实践
1.3.3 数据力学的未来发展趋势
1.4 维数灾难
1.5 小结
第2章 概率论与数理统计初步
2.1 概率论简介
2.1.1 基本概念
2.1.2 随机变量与概率分布
2.1.3 期望与方差
2.2 数理统计简介
2.2.1 基本定理与概念
2.2.2 统计分析
2.2.3 回归分析
2.3 小结
第3章 非线性优化与变分法
3.1 非线性优化
3.1.1 认识优化
3.1.2 优化问题中的相关概念
3.1.3 结构优化力学问题的数学建模案例
3.1.4 一元函数的无约束优化
3.1.5 多元函数的无约束优化、梯度及黑塞矩阵
3.1.6 受等式约束的多元函数的优化、拉格朗日乘子法
3.1.7 受不等式约束的多元函数优化——库恩–塔克条件
3.2 变分法
3.2.1 泛函与空间
3.2.2 变分法
3.2.3 力学中的变分原理
3.3 基于变分法的概率统计
3.3.1 贝叶斯拟合
3.3.2 变分推断与贝叶斯拟合的结合
3.4 小结
第4章 数据力学之机器学习
4.1 机器学习概述
4.1.1 机器学习简介及典型应用
4.1.2 机器学习的主要类别
4.1.3 机器学习的基本流程
4.2 机器学习分类和任务
4.2.1 监督学习
4.2.2 无监督学习
4.2.3 半监督学习
4.2.4 强化学习
4.3 小结
第5章 数据力学之数据分析
5.1 数据结构
5.1.1 数据与数据结构的基本概念
5.1.2 数据结构与存储机制
5.1.3 数据模态表示与模型适配
5.1.4 数据的预处理
5.2 数据拟合
5.2.1 多项式拟合
5.2.2 多项式拟合MATLAB代码
5.2.3 贝叶斯拟合
5.2.4 贝叶斯拟合MATLAB代码
5.3 数据聚类与主成分分析
5.3.1 数据聚类
5.3.2 主成分分析
5.4 数据同化分析
5.4.1 数据同化方法简介
5.4.2 数据同化的基本原理
5.4.3 数据同化的一般步骤
5.4.4 数据同化的主要算法
5.5 小结
第6章 数据力学之神经网络
6.1 前馈神经网络
6.2 激活函数
6.2.1 Sigmoid函数（Logistic函数）
6.2.2 Tanh函数（双曲正切激活函数）
6.2.3 ReLU函数
6.2.4 Leaky ReLU函数
6.2.5 Softmax函数
6.3 正向传播
6.3.1 输入层计算
6.3.2 隐藏层计算
6.3.3 输出层计算
6.3.4 正向传播的数学表示
6.4 自动微分
6.4.1 深度学习框架介绍
6.4.2 数值微分
6.4.3 符号微分
6.4.4 自动微分
6.5 反向传播
6.6 优化算法
6.6.1 最速下降法
6.6.2 Adam法
6.6.3 牛顿法
6.6.4 阻尼牛顿法
6.6.5 拟牛顿法
6.6.6 DFP法
6.6.7 BFGS法
6.7 正则化
6.7.1 过拟合
6.7.2 正则化方法
6.7.3 正则化参数的优化方法
6.8 小结
第二部分 数据力学的工程应用
第7章 数据力学中数据驱动的建模方法
7.1 DDCM的基本原理
7.2 典型工作与理论拓展
7.2.1 线弹性问题中的DDCM
7.2.2 弹塑性问题中的DDCM
7.2.3 数据驱动动力学
7.3 与机器学习的融合
7.4 小结
第8章 物理信息神经网络
8.1 物理信息神经网络
8.2 结合时间离散的物理信息神经网络
8.3 结合区域分解技术的物理信息神经网络
8.3.1 扩展物理信息神经网络
8.3.2 课程–迁移学习物理信息神经网络
8.4 求解变刚度薄板问题的双网络策略物理信息神经网络
8.4.1 变刚度薄板问题介绍
8.4.2 双网络策略物理信息神经网络
8.5 物理信息Kolmogorov–Arnold网络
8.6 神经正切核分析物理信息神经网络
8.6.1 神经正切核
8.6.2 物理信息神经网络中的神经正切核理论
8.7 算例
8.8 小结
第9章 数据力学在力学控制方程建模中的应用
9.1 数据驱动识别偏微分方程的Seq-SVF方法
9.2 基于Seq-SVF方法的杆系统控制方程建模实例
9.3 弹性变形及热力耦合系统控制方程建模实例
9.4 数据驱动杆系统控制方程建模MATLAB代码示例
9.5 小结
第10章 数据力学在力学宏观本构建模与分析中的应用
10.1 本构建模概述
10.2 数据驱动本构建模的发展路径
10.3 MAP123本构建模方法
10.4 基于数值实验的数据驱动本构建模实例
10.5 数据驱动本构建模MATLAB代码示例
10.6 小结
第11章 数据力学在结构分析与设计中的应用
11.1 线性边界假设条件下的传统子结构分析
11.2 考虑物理约束的多尺度形函数神经网络训练与优化
11.3 问题无关机器学习增强的结构拓扑优化
11.4 代码
11.5 小结
第12章 数据力学在分子动力学中的应用
12.1 经验势能参数优化
12.2 数据驱动势函数构建
12.3 小结
第13章 数据力学在多刚体系统动力学建模中的应用
13.1 多刚体系统动力学方程
13.2 基于拉格朗日的全连接神经网络
13.3 基于LNN的数据驱动多刚体系统动力学建模
13.4 数值仿真
13.5 小结
第14章 数据力学在重大工程装备先进制造中的应用
14.1 盾构装备自主研制与应用中的关键力学问题
14.2 盾构工程实测数据力学分析与反演识别
14.3 融合底层力学逻辑的盾构掘进载荷机器学习
14.4 小结
第15章 数据力学在深地油气开采中的应用
15.1 多孔数字岩心的生成
15.2 多孔岩石渗流分析
15.3 岩石断裂破坏预测
15.4 小结
参考文献
前辅文
第一部分 数据力学基础与方法
第1章 绪论
1.1 传统力学方法的概况与发展挑战
1.1.1 力学的基本概念与发展历程
1.1.2 传统力学方法的挑战
1.2 数据科学方法的背景
1.2.1 数据科学的起源：从实验归纳到统计建模
1.2.2 数值计算的崛起：从解析方法到自动化模拟
1.2.3 数据科学的演化与智能化转型
1.3 发展数据力学的重要意义
1.3.1 数据力学的核心价值与定义
1.3.2 数据力学的应用领域与实践
1.3.3 数据力学的未来发展趋势
1.4 维数灾难
1.5 小结
第2章 概率论与数理统计初步
2.1 概率论简介
2.1.1 基本概念
2.1.2 随机变量与概率分布
2.1.3 期望与方差
2.2 数理统计简介
2.2.1 基本定理与概念
2.2.2 统计分析
2.2.3 回归分析
2.3 小结
第3章 非线性优化与变分法
3.1 非线性优化
3.1.1 认识优化
3.1.2 优化问题中的相关概念
3.1.3 结构优化力学问题的数学建模案例
3.1.4 一元函数的无约束优化
3.1.5 多元函数的无约束优化、梯度及黑塞矩阵
3.1.6 受等式约束的多元函数的优化、拉格朗日乘子法
3.1.7 受不等式约束的多元函数优化——库恩–塔克条件
3.2 变分法
3.2.1 泛函与空间
3.2.2 变分法
3.2.3 力学中的变分原理
3.3 基于变分法的概率统计
3.3.1 贝叶斯拟合
3.3.2 变分推断与贝叶斯拟合的结合
3.4 小结
第4章 数据力学之机器学习
4.1 机器学习概述
4.1.1 机器学习简介及典型应用
4.1.2 机器学习的主要类别
4.1.3 机器学习的基本流程
4.2 机器学习分类和任务
4.2.1 监督学习
4.2.2 无监督学习
4.2.3 半监督学习
4.2.4 强化学习
4.3 小结
第5章 数据力学之数据分析
5.1 数据结构
5.1.1 数据与数据结构的基本概念
5.1.2 数据结构与存储机制
5.1.3 数据模态表示与模型适配
5.1.4 数据的预处理
5.2 数据拟合
5.2.1 多项式拟合
5.2.2 多项式拟合MATLAB代码
5.2.3 贝叶斯拟合
5.2.4 贝叶斯拟合MATLAB代码
5.3 数据聚类与主成分分析
5.3.1 数据聚类
5.3.2 主成分分析
5.4 数据同化分析
5.4.1 数据同化方法简介
5.4.2 数据同化的基本原理
5.4.3 数据同化的一般步骤
5.4.4 数据同化的主要算法
5.5 小结
第6章 数据力学之神经网络
6.1 前馈神经网络
6.2 激活函数
6.2.1 Sigmoid函数（Logistic函数）
6.2.2 Tanh函数（双曲正切激活函数）
6.2.3 ReLU函数
6.2.4 Leaky ReLU函数
6.2.5 Softmax函数
6.3 正向传播
6.3.1 输入层计算
6.3.2 隐藏层计算
6.3.3 输出层计算
6.3.4 正向传播的数学表示
6.4 自动微分
6.4.1 深度学习框架介绍
6.4.2 数值微分
6.4.3 符号微分
6.4.4 自动微分
6.5 反向传播
6.6 优化算法
6.6.1 最速下降法
6.6.2 Adam法
6.6.3 牛顿法
6.6.4 阻尼牛顿法
6.6.5 拟牛顿法
6.6.6 DFP法
6.6.7 BFGS法
6.7 正则化
6.7.1 过拟合
6.7.2 正则化方法
6.7.3 正则化参数的优化方法
6.8 小结
第二部分 数据力学的工程应用
第7章 数据力学中数据驱动的建模方法
7.1 DDCM的基本原理
7.2 典型工作与理论拓展
7.2.1 线弹性问题中的DDCM
7.2.2 弹塑性问题中的DDCM
7.2.3 数据驱动动力学
7.3 与机器学习的融合
7.4 小结
第8章 物理信息神经网络
8.1 物理信息神经网络
8.2 结合时间离散的物理信息神经网络
8.3 结合区域分解技术的物理信息神经网络
8.3.1 扩展物理信息神经网络
8.3.2 课程–迁移学习物理信息神经网络
8.4 求解变刚度薄板问题的双网络策略物理信息神经网络
8.4.1 变刚度薄板问题介绍
8.4.2 双网络策略物理信息神经网络
8.5 物理信息Kolmogorov–Arnold网络
8.6 神经正切核分析物理信息神经网络
8.6.1 神经正切核
8.6.2 物理信息神经网络中的神经正切核理论
8.7 算例
8.8 小结
第9章 数据力学在力学控制方程建模中的应用
9.1 数据驱动识别偏微分方程的Seq-SVF方法
9.2 基于Seq-SVF方法的杆系统控制方程建模实例
9.3 弹性变形及热力耦合系统控制方程建模实例
9.4 数据驱动杆系统控制方程建模MATLAB代码示例
9.5 小结
第10章 数据力学在力学宏观本构建模与分析中的应用
10.1 本构建模概述
10.2 数据驱动本构建模的发展路径
10.3 MAP123本构建模方法
10.4 基于数值实验的数据驱动本构建模实例
10.5 数据驱动本构建模MATLAB代码示例
10.6 小结
第11章 数据力学在结构分析与设计中的应用
11.1 线性边界假设条件下的传统子结构分析
11.2 考虑物理约束的多尺度形函数神经网络训练与优化
11.3 问题无关机器学习增强的结构拓扑优化
11.4 代码
11.5 小结
第12章 数据力学在分子动力学中的应用
12.1 经验势能参数优化
12.2 数据驱动势函数构建
12.3 小结
第13章 数据力学在多刚体系统动力学建模中的应用
13.1 多刚体系统动力学方程
13.2 基于拉格朗日的全连接神经网络
13.3 基于LNN的数据驱动多刚体系统动力学建模
13.4 数值仿真
13.5 小结
第14章 数据力学在重大工程装备先进制造中的应用
14.1 盾构装备自主研制与应用中的关键力学问题
14.2 盾构工程实测数据力学分析与反演识别
14.3 融合底层力学逻辑的盾构掘进载荷机器学习
14.4 小结
第15章 数据力学在深地油气开采中的应用
15.1 多孔数字岩心的生成
15.2 多孔岩石渗流分析
15.3 岩石断裂破坏预测
15.4 小结
参考文献
