基于深度学习的复合材料螺栓连接失效预测

针对复合材料螺栓连接失效强度分析与预测问题,利用深度学习神经网络强大的非线性映射能力,将不同参数对复合材料螺栓连接失效载荷的影响进行非线性拟合,并分配各参数的影响权重;通过有限的训练样本构建预测模型,来预测复合材料螺栓连接的失效峰值载荷。使用有限元软件计算得到层合板螺栓连接失效峰值载荷的数据组,以此来构建深度学习神经网络。通过测试确定当隐藏层数量为两层时深度学习模型开发效果最佳,以预测值与有限元仿真值之间的均方误差作为损失函数、学习速率取0.01,当均方误差最小时停止训练,此时得到最佳深度学习预测模型;利用该模型预测得到所有失效峰值载荷预测结果中的最大值以及对应的参数组合,并与同样参数的仿真结果进行对比,两者相差1.4%;相比有限元仿真和拟合经验公式的预测方法,深度学习预测方法具有明显的时间效率优势。

用于有限元分析的复合材料参数研究

采用理论计算、材料试验和文献查阅3种方式获得复合材料参数,以某型压力容器产品为对象进行有限元分析仿真,并与产品试验应变数据进行对比。结果表明:3组数据得到的纤维方向主应力无明显差别,纤维方向和垂直纤维方向应变存在较大差别;3种材料模型仿真结果与试验结果对比,理论参数模型误差<文献参数模型误差<试验参数模型误差,理论参数模型误差基本控制在10%左右;结合有限元分析和试验拟合得到适用于该产品的复合材料参数模型,有限元分析结果与试验结果偏差控制在5%左右。