复合材料学报

作者：张滔韬, 杨玉新, 张二晗, 校金友, 吕海宝, 文立华, 雷鸣, 侯晓,

关键词：固体推进剂, 力学本构关系, 人工神经网络, 细观损伤, 细-宏观映射,

作为一种高夹杂比颗粒增强聚合物基复合材料，固体推进剂的宏观力学性能主要由其细观结构决定。外加载荷下，初始缺陷或细观颗粒团聚均可诱发局部应力集中，导致颗粒-基体细观界面脱粘，材料宏观力学性能劣化。如何构建细观损伤与宏观性能间的映射关系，已成为推进剂细观实验结果合理运用、固体火箭发动机结构灾变准确预报的关键。为此，本文发展了基于连续介质力学框架的人工神经网络，以变形梯度的不变量为输入、自由能为输出，遴选现有自由能函数和损伤增长函数形式为神经网络设计激活函数，使神经网络先验地满足变形连续性、坐标不变性、热力学一致性等要求。基于上述物理相容性，神经网络能在稀疏训练数据条件下快速收敛，还能够自下而上地实现损伤状态的遗传映射。最后，采用有限元分析获取的数据集，验证了该网络模型对不同预损伤下的推进剂在单轴拉伸、等双轴拉伸、纯剪切3种加载条件下的宏观刚度预报能力。

来源：2024年第9期

《复合材料学报》期刊编辑部

查看复合材料学报杂志2024年第9期