基于人工神经网络的固体推进剂细观损伤与宏观刚度映射关系

作     者：张滔韬 杨玉新 张二晗 校金友 吕海宝 文立华 雷鸣 侯晓 

作者机构：西北工业大学航天学院 西安航天动力技术研究所 哈尔滨工业大学复合材料与结构研究所 中国航天科技集团公司 

出 版 物：《复合材料学报》 (Acta Materiae Compositae Sinica)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 080502[工学-材料学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

基　　金：国家自然科学基金-联合基金资助项目:高装填比高能推进剂装药结构损伤的跨尺度分析(U22B20131) 

主　　题：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 

摘      要：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、纯剪切三种加载条件下的宏观刚度预报能力。