机器学习方法研究高压氢气储罐用复合材料聚合物降解

摘要整理

本文研究了复合材料在静压条件下的降解行为，该条件与氢气储罐内部的高压环境相似。采用损伤模型评估氢气储罐在高压下的性能表现。提出了一种耦合有限元法（FEM）仿真与机器学习（ML）算法的实用方法。以代表体积元（RVE）为基础，结合本构关系和损伤准则作为输入数据。采用K近邻（k-NN）分类算法和基于动态时间规整（DTW）度量的改进k-NN算法进行分析。通过树状图聚类可视化方法揭示了纤维性能、基体性能和纤维体积分数等复合材料参数对外部静压下应变降解的影响规律。进一步确定了表现出低降解值的最优RVE结构。该研究为高压氢气储罐用复合材料的设计优化和性能评估提供了新的技术路径，结合机器学习的数据驱动方法能够有效预测材料在极端工况下的长期可靠性。

相关论文