|
复合材料因其优异的力学性能和广泛的应用前景而受到科研和工业界的持续关注。然而，对于非线性短纤维复合材料，其性能分析和预测仍然面临诸多挑战。现有的分析方法往往计算量大、效率低，难以满足实际工程需求。因此，开发一种高效、准确的复合材料性能预测方法具有重要意义。 近日，国际知名期刊《Composites Science and Technology》发表了波兰西里西亚理工大学机械工程学院在复合材料分析领域的研究。该研究提出了一种基于数据驱动模型的复合材料分析方法，通过预先生成包含各种纤维配置的数据库，利用代理模型预测复合材料的性能。该方法不仅计算效率高，而且预测精度也得到了验证。这一研究成果有望为复合材料的设计和性能优化提供有力支持。论文标题为“A data-driven model based on the numerical solution of the equivalent inclusion problem for the analysis of nonlinear short-fibre composites ”。
该研究的核心内容是开发了一种基于数据驱动模型的复合材料分析方法。该方法旨在通过数值方法求解等效夹杂问题，为任意纤维配置（方向、纵横比和体积分数）的复合材料提供准确且高效的性能预测。
基于数值解等效夹杂问题的数据驱动模型通过选择适当的纤维纵横比和离散方向，以高效且准确的方式预测复合材料的性能。在此过程中，关键的一步是生成数据库。数据库生成后，并通过代理模型预测不同纤维配置的各种情况的结果。
讨论了数据库生成过程中涉及的参数和假设，包括纤维和基体的材料属性、加载条件等。通过对复杂代表体积元（RVE）获得的结果，以及与现有文献中的实验结果进行比较，验证了所提出数据驱动模型的有效性。此外，研究团队还开发了一个包含四个关键模块的数据驱动模型：纵横比插值、离散方向平均程序（涉及遗传算法）、空间变换程序和迭代Mori-Tanaka方案。这些模块相互协作，能够快速准确地预测不同纤维配置下复合材料的性能。
图5.基体-纤维材料应力应变关系
通过生成包含各种纤维配置的数据库，讨论了该数据驱动模型在预测具有不同纵横比和体积分数的复合材料性能方面的影响。与传统的RVE分析方法相比，该数据驱动模型提供了更高效、更灵活的分析工具。
对比了不同方法获得的应力-应变曲线，发现该数据驱动模型在预测复合材料性能方面具有较高准确性。特别是在考虑纤维方向、纵横比和体积分数对复合材料性能的影响时，该模型表现出了优越的性能。此外，还通过计算0.5%偏移屈服应力进一步验证了模型的准确性。结果表明，该数据驱动模型在线弹性范围内与FFT均质化结果非常接近，在非线性范围内也保持了合理的准确性。
综上所述，该研究提出了一种基于数据驱动模型的复合材料分析方法，通过预先生成包含各种纤维配置的数据库，利用代理模型进行预测，实现了高效、准确的复合材料性能分析。该方法不仅为复合材料设计和性能优化提供了有力工具，也为后续相关研究提供了有益参考和借鉴。 Witold Ogierman,A data-driven model based on the numerical solution of the equivalent inclusion problem for the analysis of nonlinear short-fibre composites,Composites Science and Technology,Volume 250,2024,110516, https:///10.1016/j.compscitech.2024.110516. |
|
|
