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。