当前位置:首页  成果展示  用户成果

Phase-field simulation and machine learning of low-field magneto-elastocaloric effect in a multiferroic composite

时间:2024-06-24作者:编辑:审核:阅读:216

作者信息:

航空学院:汤卫(第一作者)

物理学院:龚琦花(通讯作者)

航空学院:易敏(通讯作者)

 

论文简介:

提出一种非等温相场模型,通过将马氏体相变与力学、热传导和磁致伸缩行为耦合,计算了多铁复合材料中的磁致弹卡效应,并通过结合机器学习高效准确地预测其绝热温变。研究发现,通过优化复合材料的几何尺寸,可以在超低磁场(0.15-0.38 T)下实现10-14 K的温变,并且具有30 K的宽工作温度窗口。

本工作通过相场模拟结合机器学习预测多铁复合材料中的磁致弹卡效应示意图


论文链接:

Tang W, Wen S, Hou H, Gong Q*, Yi M*, Guo W. Phase-field simulation and machine learning of low-field magneto-elastocaloric effect in a multiferroic composite[J]. International Journal of Mechanical Sciences, 2024, 275: 109316.





分享: