复合材料学报

作者：李增聪, 田阔, 黄蕾, 王博,

关键词：变刚度复合材料筒壳, 屈曲分析, 迁移学习, 变保真度代理模型, 深度神经网络,

相较于传统直线铺层设计的复合材料筒壳结构，变刚度复合材料筒壳结构通过曲线纤维路径铺层，可以极大地增加复合材料的设计空间，进而获得更优的抗屈曲能力。为了准确描述曲线纤维路径，需要针对变刚度复合材料筒壳建立精细有限元模型，因此对屈曲分析和优化效率带来了较大的挑战。本论文以变刚度复合材料筒壳结构的线性屈曲及后屈曲承载力快速预测为目标，提出了一种变保真度迁移学习模型的构建方法。首先，针对变刚度复合材料筒壳结构建立合适的高保真度、低保真度模型；然后，基于大量低保真度样本数据作为源域样本集建立并训练深度神经网络，得到预训练模型；最后，以少量高保真度样本数据作为目标域样本集对最后一层神经网络参数进行微调，训练得到变保真度迁移学习模型。变刚度复合材料筒壳线性屈曲和后屈曲算例结果表明，在达到相同的预测精度水平时，变保真度迁移学习模型比直接采用高保真度样本数据构建的代理模型分别节约了47.7%和62.3%的计算成本，验证了提出方法的高效率优势。同时，与基于桥函数构建的变保真度代理模型和Co-Kriging进行比较，所提出方法在不同高保真度、低保真度样本数据组合下均具有更优精度，验证了提出方法的高精度优势。

来源：2022年第5期

《复合材料学报》期刊编辑部

查看复合材料学报杂志2022年第5期