[发明专利]一种微型LED阵列/液晶弹性体系统的力学性能预测方法

说明书

本发明属于数学建模及力学技术领域，具体为一种微型LED阵列/液晶弹性体系统的力学性能预测方法。本发明将微型LED阵列/液晶弹性体系统简化为液晶弹性体/柔性基板二维层合结构，首先建立简支层合结构的精确解析模型，其中机械载荷用多阶多项式函数描述，可模拟任意形式的机械载荷函数；然后建立温度场下层合结构机械载荷函数系数和位移之间的神经网络训练数据集；应用BP神经网络建立变形与机械载荷系数间的关系，预测结构在热‑机械载荷共同作用下的力学解，即预测温度场下层合结构在机械载荷作用下的弹性变形和引起特定变形的机械载荷。本发明通过建立层合结构的变形与机械荷载的关系，摆脱繁琐的计算，可方便、快捷地获得层合结构的力学解。

技术领域

本发明属于数学建模及力学领域，具体涉及一种基于解析模型和神经网络的微型LED阵列/液晶弹性体系统的弹性力学解预测方法。

背景技术

心房颤动引起的心力衰竭和脑卒中是最可怕和最常见的疾病。机械辅助心房收缩功能可有效降低患者死亡率和发病率。因此，许多学者提出利用智能材料支持心房收缩功能。光响应液晶弹性体(Liquid Crystal Elastomer，LCE)可以对光的外部刺激做出可逆反应，产生独特的运动或张力，与肌肉运动原理相似，是一种通常被称为人造肌肉的智能材料。因此将微型发光二极管(μLED)及LCE材料进行集成，贴于心脏表面以辅助心房收缩具有广阔的前景。

对于这种心脏收缩辅助装置来说，在人体温度下，微型LED阵列/液晶弹性体系统的受光刺激产生的载荷和变形是值得关注的重要力学性能，并且实验和有限元方法不适用于大量的参数分析，所以需要建立解析模型以研究该系统的力学性能。目前，已有很多研究为获得受不同荷载作用的层合结构的力学解提供了不同的方法。然而，提出一种简单的计算方案来建立层合结构的变形与荷载之间的关系具有重要的现实意义。人工神经网络通过对数据库的训练和学习，获得输入和输出之间的未知关系，然后通过给定的输入完成预测数据的输出。反向传播(Back propagation，BP)神经网络是神经网络最常用的应用之一，已成功应用于工程的各个领域。然而，将神经网络应用于热-机械耦合载荷作用下层合结构力学性能的研究和预测却很少。本发明则引入BP神经网络，并将其应用于温度场下层合结构变形与机械载荷关系的建立和预测，摆脱繁琐的计算，更方便、快捷地预测层合系统的力学解。

发明内容

本发明旨在在一定程度上解决上述背景技术中的存在的问题，提供一种微型LED阵列/液晶弹性体系统的弹性力学解预测方法，该方法能够方便快捷地获得不同载荷条件作用下的层合结构力学解，实现力学解的预测，摆脱繁琐的解析解计算，节省工程应用时间。

本发明提出的二维微型LED阵列/液晶弹性体系统的弹性力学解预测方法，首先，将微型LED阵列/液晶弹性体系统简化为液晶弹性体/柔性基板二维层合结构，建立简支层合结构的精确解析模型，其中机械载荷使用多阶多项式函数来描述，可模拟任意形式的机械载荷函数；然后，基于以上解析模型，建立温度场下层合结构机械载荷函数系数和位移之间的神经网络训练数据集；在此基础上，应用BP神经网络建立变形与机械载荷系数之间的关系，预测温度场下层合结构在机械载荷作用下的弹性变形；也可以反演机械载荷系数，代入机械载荷函数即可完成引起特定变形的机械载荷的预测。

根据本发明实施例的微型LED阵列/液晶弹性体系统的弹性力学解预测方法，通过求解二维热传导和热弹性控制方程，根据相邻层界面的连续条件和层合结构表面的热-机械耦合载荷条件，采用传递矩阵法建立简支层合结构的精确解析模型；基于以上解析模型，建立温度场下层合结构机械载荷函数系数和对应位移之间的神经网络训练数据集；在此基础上，分别将机械载荷系数和位移作为输出和输出，对BP神经网络进行训练，建立变形与机械载荷之间的关系，分别预测温度场下层合结构在机械载荷作用下的弹性变形和引起层合结构特定变形的机械载荷函数的系数。

本发明提出的二维微型LED阵列/液晶弹性体系统的弹性力学解预测方法，具体步骤如下：