111 / 2021-04-06 19:51:32

基于神经网络的复合材料刚度下降模型

复合材料，疲劳寿命，神经网络，刚度下降

纤维增强复合材料因其高比刚度、高比强度和良好的抗腐蚀性能被广泛地应用于航空航天结构中。复合材料结构在积累疲劳损伤时会表现出刚度下降现象，刚度的下降程度和结构中损伤的密度直接相关。但是，复合材料结构的疲劳损伤模式多样、力学行为复杂，难以从纯机理的角度出发建立准确的疲劳演化模型。针对这一问题，本文研究了基于神经网络的复合材料刚度退化模型。考虑到疲劳损伤机理的复杂性，本文采用了常微分神经网络和变分自编码器对疲劳损伤机理进行了深度机器学习。首先，应用循环神经网络对结构的刚度下降规律进行特征提取，得到隐空间特征参量；其次，采用全连接神经网络对隐空间上特征维度的演化规律进行学习，通过数值积分得到整个周期域的特征向量轨迹线；最终，通过神经网络解码器将隐空间特征向量的轨迹线解码至数据空间，得到刚度退化曲线。本文结合玻璃纤维层合板中采集的试验数据，对该方法进行了验证，并对隐空间中的特征维度进行了分析。