基于高斯过程回归的碳纤维增强复合材料钻孔分层因子预测

摘要整理

碳纤维增强复合材料（CFRP）因其优异的模量、比拉伸强度和疲劳强度，在飞机结构应用中得到广泛应用。这类复合材料的非均质性和各向异性特征给加工工艺带来了巨大挑战。特别是分层缺陷是钻孔加工的主要缺陷之一，对CFRP的结构完整性和应用性能造成显著影响。机器学习方法可以有效促进加工工艺的优化。本研究建立了高斯过程回归（GPR）模型，用于根据加工参数预测碳纤维增强复合材料钻孔过程中的分层。该模型具有结构简洁、精度高、稳定性强的特点，能够实现快速的分层因子估算。通过将田口方法的优化结果与GPR方法相结合，可在相同实验次数的条件下提取更多定量数据，从而显著提高实验效率。

相关论文