基于数据挖掘的复合材料宏—细观力学模型研究

发布时间:2021-04-19 18:41
  近几十年来,复合材料已成为一种重要的工业材料,并在航空、航天等特殊领域发挥着不可替代的作用。与传统材料不同,复合材料在细观尺度上由两相或多相材料按特定的设计方式组合而成,因此其宏观尺度的属性由组分材料及细观组成方式等因素决定。同时,复合材料的宏观变形与破坏也由宏、细观多种机制共同决定。因此,无论是在材料设计阶段还是在变形与破坏分析阶段,复合材料的宏-细观力学行为研究均是当前该领域的重点问题。宏-细观力学分析的关键是建立宏观参数与细观参数之间的定量关系,但是,随着细观尺度可设计参数的增多,传统分析手段很难同时有效地处理多个细观参数与宏观参数之间的关系。为了解决这一问题,本文提出了基于数据挖掘的复合材料力学研究方法,该方法避免了复杂的数学推演与假设,且应用范围不局限于特定的复合材料类型,同时能够在数据中发现潜在的未知规律,为复合材料力学的研究提供了新的思路与方法。论文的主要内容如下:(1)为了构建细观尺度代表性体元(Representative volume element,简称RVE)模型,建立了颗粒增强复合材料细观随机分布重构程序和基于图像光滑重构程序,程序中包含了细观几何参数及分布规律调节、有限元网格划分、周期性边界条件施加与内聚力单元插入等功能。同时,提出了基于图像的光滑重构方法,与传统方法相比,该方法能够在材料界面位置有效地消除锯齿单元,在界面应力、裂纹扩展等模拟中具有更高的精度。(2)利用随机分布重构程序构建了纤维增强复合材料的RVE模型,提出了树脂基体的温度、应变率相关弹塑性本构模型,该基体模型在不同温度、应变率条件下均与实验吻合良好。同时,采用该本构模型作为组分材料的RVE模型获得了与实验吻合良好的应力-应变曲线。由此可见,在细观几何重构模型与组分材料属性准确的情况下,RVE模型能够可靠地预测复合材料宏观属性。(3)提出了基于数据挖掘的宏-细观材料属性预测方法。在该方法中,数据库来源于具有不同细观设计参数的RVE模型,通过利用基于张量分解的数据挖掘方法对数据进行降维与低维拟合,得到宏观材料属性与细观设计参数之间的定量关系。在此,以颗粒增强复合材料为例,分析了多种细观设计参数与宏观弹性模量、强度及剩余模量之间的定量关系,并讨论了张量分解参数对结果的影响。(4)通过对数据挖掘方法的扩展,提出了基于数据挖掘的层级多尺度方法,该方法在细观尺度上利用非正交周期边界条件与实时均匀化方法对复杂变形的RVE进行分析并建立切线模量数据库;在宏观尺度上通过调用细观切线模量的数据挖掘结果进行本构更新。研究表明,该方法能够有效地修正传统层级多尺度方法在大变形时的误差,与直接数值模拟(Direct numerical simulation,简称DNS)结果吻合良好。(5)针对功能梯度复合材料断裂问题,将基于数据挖掘的材料属性预测方法与动态分段指数模型结合,以材料设计参数作为输入参数进行研究,分析了梯度比例、梯度形式、裂纹长度和裂纹位置等因素对功能梯度复合材料中裂纹动态应力强度因子的影响。
【学位授予单位】:哈尔滨工业大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TB33;TP311.13
文章目录
摘要
Abstract
第1章 绪论
    1.1 课题来源及研究的目的和意义
    1.2 复合材料发展现状
    1.3 复合材料力学研究现状
        1.3.1 宏观力学研究方法
        1.3.2 细观力学研究方法
        1.3.3 多尺度力学研究方法
    1.4 数据挖掘方法研究现状
    1.5 本文主要研究内容
第2章 复合材料细观结构有限元重构方法研究
    2.1 引言
    2.2 细观结构重构方法比较
        2.2.1 周期分布重构方法
        2.2.2 随机分布重构方法
        2.2.3 基于图像的重构方法
        2.2.4 三种重构方法的应用范围
    2.3 颗粒增强复合材料的随机重构程序设计
        2.3.1 随机颗粒生成算法
        2.3.2 有限元模型建立
        2.3.3 内聚力单元插入算法
        2.3.4 随机分布重构程序框架
    2.4 基于图像的光滑重构方法研究
        2.4.1 数字图像获取
        2.4.2 数字滤波光滑算法
        2.4.3 转换单元光滑算法
        2.4.4 光滑重构方法对界面应力的影响
        2.4.5 光滑重构方法对界面裂纹的影响
        2.4.6 光滑重构对颗粒增强材料中裂纹的影响
    2.5 本章小结
第3章 纤维增强复合材料的宏-细观材料属性研究
    3.1 引言
    3.2 树脂基体的塑性本构研究
        3.2.1 抛物面屈服准则
        3.2.2 非关联流动法则
        3.2.3 温度、应变率相关硬化规律
        3.2.4 有限元实现方法
        3.2.5 结果与验证
    3.3 代表性体元的建立
    3.4 纤维增强复合材料宏观材料属性研究
        3.4.1 组分材料参数
        3.4.2 应力、应变均匀化方法
        3.4.3 横向压缩预测及实验比较
        3.4.4 偏轴压缩预测及实验比较
    3.5 折曲破坏现象模拟
        3.5.1 折曲破坏现象描述
        3.5.2 结果与分析
    3.6 本章小结
第4章 基于数据挖掘的宏-细观复合材料属性预测方法
    4.1 引言
    4.2 基于张量分解的数据挖掘方法简介
        4.2.1 数据挖掘方法简介
        4.2.2 数据库的获取
        4.2.3 数据可视化与预处理
        4.2.4 张量分解方法简介
    4.3 颗粒增强复合材料的属性预测
        4.3.1 细观代表性体元模型的建立
        4.3.2 宏观属性参数的提取方法
        4.3.3 宏-细观数据库的构建方法
        4.3.4 细观设计参数筛选
        4.3.5 数据挖掘与分析
    4.4 宏观材料属性的预测结果与分析
        4.4.1 颗粒增强复合材料的弹性模量分析
        4.4.2 颗粒增强复合材料的强度分析
        4.4.3 颗粒增强复合材料的剩余模量分析
    4.5 张量分解参数研究
        4.5.1 分解秩数对结果的影
        4.5.2 缺失元素比例对结果的影响
        4.5.3 CP分解与TUCKER分解的比较
    4.6 宏观本构关系的预测
        4.6.1 宏观本构方程的求解
        4.6.2 结果与验证
        4.6.3 基于数据挖掘本构的应用
    4.7 本章小结
第5章 基于数据挖掘的层级多尺度方法研究
    5.1 引言
    5.2 基于数据挖掘的层级多尺度方法简介
        5.2.1 渐近展开均匀化理论
        5.2.2 基于数据挖掘的层级多尺度方法求解流程
    5.3 基于切线模量的宏观本构方程
    5.4 细观等效模量数据库的求解方法
        5.4.1 非正交坐标系转换方法
        5.4.2 实时均匀化方法
        5.4.3 结果与讨论
    5.5 数据分析与挖掘
        5.5.1 切线模量数据库的产生
        5.5.2 基于张量分解的数据挖掘方法
        5.5.3 分解秩数的误差分析
    5.6 结果与讨论
        5.6.1 单向拉伸加载模拟
        5.6.2 悬臂弯曲加载模拟
    5.7 本章小结
第6章 功能梯度复合材料宏-细观动态断裂问题研究
    6.1 引言
    6.2 梯度参数的细观尺度求解
    6.3 宏观动态分段指数模型
    6.4 模型的验证
        6.4.1 收敛性验证
        6.4.2 均匀材料验证
        6.4.3 功能梯度复合材料验证
    6.5 结果与讨论
        6.5.1 梯度比例对动态应力强度因子的影响
        6.5.2 梯度形式对动态应力强度因子的影响
        6.5.3 裂纹位置对动态应力强度因子的影响
        6.5.4 各个参数与动态应力强度因子之间的相关性分析
        6.5.5 动态应力强度因子稳态值与峰值之间的关系研究
    6.6 本章小结
结论
附录
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历

【相似文献】

相关期刊论文 前10条

1 陈修宽;董祥军;石芙芙;;Web数据挖掘综述[J];山东轻工业学院学报(自然科学版);2009年03期

2 黄会明;王红星;;SQL Server 2005在数据挖掘中的应用[J];煤炭技术;2011年06期

3 吴孝丽;周焱;;Microsoft SQL Server数据挖掘的高级研究[J];煤炭技术;2011年07期

4 糜元根;数据挖掘方法的评述[J];南京化工大学学报(自然科学版);2001年05期

5 李小平,焦李成;数据挖掘中信息颗粒及其构造[J];西安石油学院学报(自然科学版);2001年04期

6 秦忠宝,彭文利,何卫平,陈伟东;网络环境下数据挖掘若干问题的述评[J];西北轻工业学院学报;2002年02期

7 叶克江,陈广宇;数据挖掘的实现方法及其应用[J];郑州轻工业学院学报;2002年03期

8 高磊红,骆舒心,仇记清,雷和稳,段惠敏;一类复杂工业生产过程中的数据挖掘[J];河北化工;2003年06期

9 乔淑云;数据挖掘[J];江苏煤炭;2003年04期

10 谭立云,高学东,武森;数据挖掘方法与应用[J];华北科技学院学报;2004年02期

相关博士学位论文 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪(LAM Wing Ho);基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

相关硕士学位论文 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年



本文编号:2101652

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/2101652.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户2aa11***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]