基于数据驱动的复合材料层合板疲劳分层扩展研究
摘要:疲劳分层扩展(FDG)是导致复合材料结构失效破坏的重要原因之一。纤维桥联作为一种屏蔽机制对FDG有重要影响,导致FDG与载荷历程密切相关。如何实现纤维桥联作用下复合材料FDG的有效分析预测成为当前复合材料疲劳研究中需要解决的一个关键问题。为此,本文以不同纤维桥联强弱下的复合材料疲劳分层扩展试验为基础,提出了一种基于长短期记忆网络(LSTM)的机器学习模型,采用该模型能够对不同纤维桥联强弱下复合材料的FDG进行有效分析预测,预测结果在两倍误差带以内,为复合材料FDG行为的表征和预测提供了一种准确快速的方法。
