考虑微观结构敏感横向性能的复合材料层板冲击力学响应机器学习预测模型

摘要整理

复合材料结构冲击力学响应的准确高效预测对结构安全设计至关重要。本研究建立了包含纤维、基体和纤维/基体界面的高保真代表体积元素（RVEs），考虑了随机纤维分布。基于计算微观力学RVEs提出了横向载荷下的失效包络线，并通过ABAQUS VUMAT子程序实现了复合材料层板冲击载荷下的力学响应预测。基于计算宏观力学有限元仿真数据集，建立并训练了人工神经网络（ANN）模型。研究发现随机纤维分布对拉/压强度的波动影响比对剪切强度的影响更明显。所提失效准则在复合压缩-剪切载荷工况下的性能优于Hashin准则和Tsai-Wu准则。具有8个隐藏层的ANN模型实现了可接受的预测精度，决定系数（R²）达0.98，平均绝对误差（MAE）为71。在特定冲击载荷工况下，训练完成的机器学习模型在30 min内预测出冲击接触力历程，而有限元分析（FEA）在同一计算机上需耗时75 min以上。特定冲击载荷工况下预测速度提升超过60%。该方法为复合材料结构抗冲击性能评估提供了潜在的替代方案。

相关论文