[發明專利]一種基于人工智能的復合材料失效高效模擬方法

在審

• 申請號: 202210210663.0
• 申請日: 2022-03-04
• 公開（公告）號: CN114611389A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 王曉東;黎增山;劉晴川;關志東
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/23;G06K9/62;G06N3/08;G06F113/26;G06F119/02;G06F119/14
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 周長琪

本發明提供了一種基于人工智能的復合材料失效高效模擬方法，屬于復合材料結構失效分析技術領域。本發明方法包括：將失效準則公式無量綱化，獲取獨立變量；采用蒙特?卡洛方法生成獨立參數變量的數據集，基于失效準則選取神經網絡模型的訓練數據集；分別構建預測復合材料損傷起始和裂紋角度的神經網絡模型，并進行訓練；采用人工神經網絡初步判斷復合材料損傷起始以及可能失效位置，然后再進一步搜索失效具體位置；在有限元軟件ABAQUS中構建失效準則子程序，進行復合材料失效模擬。本發明在確保預測準確率和精度的同時，也提高了計算效率，可實現采用Puck和LaRC05失效準則進行復合材料結構失效行為的高效模擬。

技術領域

本發明屬于復合材料結構失效分析技術領域，涉及一種基于人工智能的復合材料失效高效模擬方法。

背景技術

復合材料由于其優異的性能，是一種在多個領域具有巨大潛力的重要結構材料。然而，復合材料結構復雜的失效機理阻礙了它力學性能的充分發揮。在復合材料結構的設計和強度分析中數值仿真方法具有重要作用，可以顯著提高結構效率，降低成本和設計周期。在復合材料的模擬中，失效起始準則對于力學行為的精確預測具有重要意義。

目前，已經出現了多代復合材料失效準則，包括較早期的最大應力/應變準則和之后考慮組合應力影響的蔡-希爾、蔡-吳準則等。隨著對失效機理的深入研究，提出了基于失效機理的失效準則，如Hashin、Puck、LaRC系列失效準則等。其中，Puck和LaRC05失效準則表現優異，對失效包線的預測更準確。此外，這兩個失效準則可以給出基體裂紋的方向，為基體裂紋的模擬提供了工具。然而，為了確定失效指數和斷裂角度，需要進行大量的迭代計算，這嚴重限制了它們在復合結構模擬中的應用。

為了提高計算效率，學者們提出了多種搜索算法以提高計算效率。其中基于黃金分割搜索算法提出了多種搜索算法。針對Puck失效準則通過分析失效指標曲線的特點，提出了選擇范圍黃金分割搜索(Selective Range Golden Section Search，簡稱SRGSS)算法(參考文獻1：SCHIRMAIER F,WEILAND J,KARGER L,et al.A new efficient and reliablealgorithm to determine the fracture angle for Puck’s 3D matrix failurecriterion for UD composites[J].Composites science and technology,2014,100:19–25.)。針對LaRC05失效準則提出了分類局部黃金分割搜索(Classified Local GoldenSection Search，簡稱CLGSS)算法(參考文獻2：Wang X,Guan Z,et al.An accurate andeasy to implement method for predicting matrix crack andplasticity ofcomposites with an efficient search algorithm for LaRC05 criterion[J].Composites Part A:Applied Science and Manufacturing,2020,105808.)。這些算法在保證計算精度的情況下，將計算時間降低為原來的20％左右，明顯提高了計算效率。此外，還有很多基于其他方法提出的搜索算法，在準確率和效率上各有優勢。

人工神經網絡(ANN)作為近年來興起的一種深度學習方法，在理論上已被證明能夠擬合任何數值公式，擅長處理重復性任務和內部關系尚不明確的問題。近年來，人工神經網絡模型逐漸應用于復合材料力學的研究。但是利用人工神經網絡模擬復合材料失效的有限元分析時，對判斷復合材料結構失效結果仍然存在較大的誤差，不適合實際應用。

在Puck和LaRC05失效準則中，失效指標和斷裂角的確定需要大量的迭代計算，非常適合使用ANN模型進行預測，以提高采用該失效準則進行復合材料結構失效模擬的效率。

發明內容