一种考虑应变率的复合材料动态压缩响应预测模型

doi:10.19936/j.cnki.2096-8000.20240728.003

复合材料科学与工程 ›› 2024, Vol. 0 ›› Issue (7): 23-30.DOI: 10.19936/j.cnki.2096-8000.20240728.003

一种考虑应变率的复合材料动态压缩响应预测模型

文劲钧¹, 屈美娇^1*, 沈永鳌², 李孟奇¹, 宋雨恒¹, 朱瀚锐¹

1.西安工程大学机电工程学院,西安 710048;
2.中国航发西安动力控制科技有限公司,西安 710077

收稿日期:2024-02-01 出版日期:2024-07-28 发布日期:2024-08-08
通讯作者: 屈美娇(1990—),女,博士,副教授,硕士生导师,研究方向为航空发动机整机结构振动及其优化、复合材料无损检测等,qmj@xpu.edu.cn。
作者简介:文劲钧(2002—),男,学士,研究方向为复合材料低速冲击动态响应。
基金资助:
西安工程大学大学生创新创业训练计划项目(S202310709038)

A prediction model for dynamic compressive response of composite materials considering strain rate

WEN Jinjun¹, QU Meijiao^1*, SHEN Yongao², LI Mengqi¹, SONG Yuheng¹, ZHU Hanrui¹

1. School of Mechanical and Electrical Engineering, Xi'an Polytechnic University, Xi'an 710048, China;
2. China Aviation Development Xi'an Power Control Technology Co., Ltd., Xi'an 710077, China

Received:2024-02-01 Online:2024-07-28 Published:2024-08-08

摘要/Abstract

摘要： 本文提出一种考虑应变率效应的复合材料动态压缩响应预测模型,该模型基于人工神经网络,根据材料的弹性模量等属性参数即可预测其不同应变率下的动态压缩响应。建立了T300/QY8911预浸料制备的碳纤维增强复合材料高应变率压缩响应预测模型,预测了该材料应变率为517 s^-1、721 s^-1和1 070 s^-1时的动态压缩响应,并开展试验,对预测结果进行了验证。结果表明,预测结果与试验结果吻合度较高,应力最大误差仅为-1.585 6%,应变最大误差仅为1.703 7%。

关键词: 碳纤维增强复合材料, 应变率效应, 神经网络, 分离式霍普金森压杆, 低速冲击

Abstract: This article proposes a dynamic compression response prediction model for composite materials considering strain rate effects. Based on neural networks, a high strain rate compression response prediction model is constructed for carbon fiber reinforced composite materials prepared from T300/QY8911 prepreg with material properties as parameter variables. The dynamic compression response of the material at strain rates of 517 s^-1, 721 s^-1, and 1 070 s^-1 is predicted, and experiments are conducted to verify the prediction results. The results indicate that the predicted results are in good agreement with the experimental results, the maximum error of stress is only -1.585 6%, and the maximum error of the strain is only 1.703 7%.

Key words: carbon fiber reinforced composites, strain rate effect, neural network, split Hopkinson pressure bar, low-velocity impact

中图分类号:

TB332

文劲钧, 屈美娇, 沈永鳌, 李孟奇, 宋雨恒, 朱瀚锐. 一种考虑应变率的复合材料动态压缩响应预测模型[J]. 复合材料科学与工程, 2024, 0(7): 23-30.

WEN Jinjun, QU Meijiao, SHEN Yongao, LI Mengqi, SONG Yuheng, ZHU Hanrui. A prediction model for dynamic compressive response of composite materials considering strain rate[J]. COMPOSITES SCIENCE AND ENGINEERING, 2024, 0(7): 23-30.

参考文献

[1] 张华伟, 邵延汤, 向陈世, 等. 碳纤维复合材料层合板低速冲击损伤应力分析[J]. 精密成形工程, 2023, 15(1): 106-112.
[2] FALCÓ O, LOPES C S, SOMMER D E, et al. Experimental analysis and simulation of low-velocity impact damage of composite laminates[J]. Composite Structures, 2022, 287: 115278.
[3] 贾耀雄, 敖清阳, 张文正, 等. 碳纤维复合材料层压板低速冲击损伤性能分析[J]. 兵器材料科学与工程, 2022, 45(5): 170-174.
[4] 曹俊超, 孙建波, 曹勇, 等. 混杂纤维增强环氧树脂复合材料高速冲击损伤行为[J]. 复合材料学报, 2022, 39(10): 4935-4948.
[5] SRAVANTHI K, MAHESH V, RAO B N. Influence of micro and nano carbon fillers on impact behavior of GFRP composite materials[J]. Materials Today: Proceedings, 2021, 37: 1075-1078.
[6] WANG B, HE B, WANG Z, et al. Enhanced impact properties of hybrid composites reinforced by carbon fiber and polyimide fiber[J]. Polymers, 2021, 13(16): 2599.
[7] 惠旭龙, 刘小川, 白春玉, 等. 碳纤维增强复合材料的中低应变率力学性能试验研究[J]. 装备环境工程, 2018, 15(9): 81-84.
[8] WENG F, FANG Y, REN M, et al. Effect of high strain rate on shear properties of carbon fiber reinforced composites[J]. Composites Science and Technology, 2021, 203: 108599.
[9] TANG Z, MA D, ZHOU K, et al. The strain rate effect on the compression properties of basalt/carbon fiber reinforced composites[J]. Applied Composite Materials, 2022, 29(3): 1007-1020.
[10] 胡雪垚. 二维机织碳纤维复合材料的冲击响应与损伤特性研究[D]. 西安: 西北工业大学, 2019.
[11] ZHANG Z, HOU S, MAO Y, et al. Rate-related study on the ply orientation of carbon fiber reinforced epoxy composite laminates[J]. International Journal of Mechanical Sciences, 2020, 188: 105968.
[12] 龙旭, 毛明晖, 卢昶衡, 等. 基于人工神经网络的混凝土类材料SHPB动态压缩性能预测[J]. 南京航空航天大学学报, 2021, 53(5): 789-800.
[13] 李孟奇, 屈美娇, 何卫锋, 等. 基于BP神经网络的力学行为模型构建方法[J]. 兵器材料科学与工程, 2022, 45(3): 1-7.
[14] TAO F, LIU X, DU H, et al. Learning composite constitutive laws via coupling Abaqus and deep neural network[J]. Composite Structures, 2021, 272: 114137.
[15] 朱吉聪. 基于深度材料网络的碳纤维复合材料力学属性预测研究[D]. 大连: 大连理工大学, 2020.
[16] DI BENEDETTO R M, BOTELHO E C, JANOTTI A, et al. Development of an artificial neural network for predicting energy absorption capability of thermoplastic commingled composites[J]. Composite Structures, 2021, 257: 113131.
[17] TAO C, ZHANG C, JI H, et al. Application of neural network to model stiffness degradation for composite laminates under cyclic loadings[J]. Composites Science and Technology, 2021, 203: 108573.
[18] MEZEIX L, RIVAS A S, RELANDEAU A, et al. A new method to predict damage to composite structures using convolutional neural networks[J]. Materials, 2023, 16(22): 7213.
[19] GHOLAMI K, EGE F, BARZEGAR R. Prediction of composite mechanical properties: Integration of deep neural network methods and finite element analysis[J]. Journal of Composites Science, 2023, 7(2): 54.

一种考虑应变率的复合材料动态压缩响应预测模型

A prediction model for dynamic compressive response of composite materials considering strain rate

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	关天宇, 姜岚, 段国勇, 唐波. 碳纤维加固输电铁塔角钢有效性分析[J]. 复合材料科学与工程, 2024, 0(6): 48-59.
[2]	文湘隆, 何珍钟, 臧猛, 宋春生, 张锦光. 基于黏弹性材料的高阻尼复合材料传动轴减振性能研究[J]. 复合材料科学与工程, 2024, 0(6): 87-94.
[3]	张晓妍, 曾周末, 李健, 陈世利, 刘洋. 基于超声导波和Y-Net的复合材料胶接质量检测研究[J]. 复合材料科学与工程, 2024, 0(5): 92-99.
[4]	曾塘玉, 马传国, 向阳, 邵士磊. BN粒子改性PVDF电纺纤维膜插层增强碳纤维/环氧树脂复合材料层间韧性[J]. 复合材料科学与工程, 2024, 0(4): 26-32.
[5]	田潇, 文立伟, 邓朱海. 缝合增强PRSEUS构件低速冲击性能研究[J]. 复合材料科学与工程, 2024, 0(4): 63-75.
[6]	郑子君, 乔英, 邵家儒. 基于机器视觉的短纤维复合材料的取向度提取方法[J]. 复合材料科学与工程, 2024, 0(3): 65-72.
[7]	李洪年, 石强斌, 王轩, 邹润文, 张峰. 复合材料蜂窝夹芯结构低速冲击后压缩强度的可靠性与灵敏度分析[J]. 复合材料科学与工程, 2024, 0(2): 5-12.
[8]	冯振宇, 李玲玲, 邹君, 解江, 王计真, 郭亚周. 复合材料加筋板高能量低速冲击损伤特性数值研究[J]. 复合材料科学与工程, 2024, 0(2): 13-19.
[9]	林逸, 刘玲. 不同冲击角度对复合材料层合板低速冲击损伤特点的影响[J]. 复合材料科学与工程, 2024, 0(1): 30-37.
[10]	张志鹏, 张凯章, 巩达. 冲击荷载作用下玄武岩纤维混凝土低温力学性能试验研究[J]. 复合材料科学与工程, 2023, 0(9): 36-41.
[11]	李原昊, 胡少伟, 单常喜, 牟钊, 潘福渠, 李江. 基于PSO-BP神经网络的玻璃钢管首层失效预测研究[J]. 复合材料科学与工程, 2023, 0(9): 61-66.
[12]	张克群, 孙会来, 李航, 邢文涛, 赵方方. CFRP套料钻制孔工艺及轴向力预测研究[J]. 复合材料科学与工程, 2023, 0(9): 85-91.
[13]	杨青, 程超, 刁春霞, 吕玥蒽, 周飞, 丁小马, 陈正国. 环氧树脂改性聚双环戊二烯及其碳纤维复合材料的制备与表征[J]. 复合材料科学与工程, 2023, 0(5): 32-36.
[14]	程振锋, 贾康康, 李成. 碳纤维平纹机织复合材料低速冲击损伤的非线性超声检测研究[J]. 复合材料科学与工程, 2023, 0(5): 94-101.
[15]	温智超, 屈美娇, 李哲旭, 李孟奇, 董秋雨, 孙戬. SHPB试验中碳纤维增强复合材料试样的尺寸效应数值模拟分析[J]. 复合材料科学与工程, 2023, 0(4): 14-20.