基于机器学习的L形复合材料长桁固化变形预测

doi:10.19936/j.cnki.2096-8000.20241228.017

复合材料科学与工程 ›› 2024, Vol. 0 ›› Issue (12): 119-125.DOI: 10.19936/j.cnki.2096-8000.20241228.017

基于机器学习的L形复合材料长桁固化变形预测

孙晓辉¹, 吕毅^1,2*, 王建军², 张先芝³, 谢佳庆¹

1.西安工业大学机电工程学院,西安 710021;
2.西安航空学院民航学院,西安 710077;
3.哈德斯菲尔德大学计算机与工程学院,英国HDI 3DH

收稿日期:2023-09-12 出版日期:2024-12-28 发布日期:2025-01-14
通讯作者: 吕毅(1981—),男,博士,教授,硕士生导师,研究方向为复合材料结构强度分析与验证,复合材料结构制造工艺,lyuyi@xaau.edu.cn。
作者简介:孙晓辉(1998—),男,硕士,研究方向为复合材料结构固化变形。

Curing deformation prediction of L-shaped composite stringer based on machine learning

SUN Xiaohui¹, LÜ Yi^1,2*, WANG Jianjun², ZHANG Xianzhi³, XIE Jiaqing¹

1. School of Mechatronic Engineering, Xi’an Technological University, Xi’an 710021, China;
2. School of Civil Aviation, Xi’an Aeronautical University, Xi’an 710077, China;
3. Department of Computing and Engineering, University of Huddersfield, Huddersfield HDI 3DH, UK

Received:2023-09-12 Online:2024-12-28 Published:2025-01-14

摘要/Abstract

摘要： 针对复合材料结构在制造成型过程中固化变形机理十分复杂,涉及的影响参数较多且在固化过程中不断变化的情况,提出一种基于机器学习的方法,预测L形复合材料长桁在成型过程中的固化变形。使用ABAQUS有限元软件模拟L形复合材料长桁固化成型过程,建立以标准固化工艺温度曲线中的两段升温速率、两段保温温度、两段保温时间六个参数为特征的L形复合材料长桁固化回弹角数据集,通过构建径向基函数(Radical Basis Function,RBF)神经网络进行固化变形预测。结果表明,该方法拥有较高的预测精度和效率,预测误差在3%以内且模型耗时仅需1.25 s。

关键词: 复合材料, 固化变形, 径向基函数, 机器学习, L形长桁

Abstract: Aiming at the problem that the curing deformation mechanism of composite structure in the process of manufacturing is very complicated, and many parameters are involved and constantly change during the curing process, a method based on machine learning was proposed to predict the curing deformation of L-shaped composite stringer in the molding process. ABAQUS finite element software was used to simulate the curing molding process of L-shaped composite stringer in autoclave, and a data set of curing spring-in angle of L-shaped composite stringer was established, which was characterized by six parameters of the curing process temperature curve: two-stage heating rate, two-stage holding temperature and two-stage holding time. Then RBF neural network was constructed and curing deformation prediction was carried out. The results show that this method has high prediction accuracy and efficiency, the prediction error is less than 3%, and the model time is only 1.25 s.

Key words: composite, curing deformation, radical basis function, machine learning, L-shaped stringer

中图分类号:

TB332

孙晓辉, 吕毅, 王建军, 张先芝, 谢佳庆. 基于机器学习的L形复合材料长桁固化变形预测[J]. 复合材料科学与工程, 2024, 0(12): 119-125.

SUN Xiaohui, LÜ Yi, WANG Jianjun, ZHANG Xianzhi, XIE Jiaqing. Curing deformation prediction of L-shaped composite stringer based on machine learning[J]. COMPOSITES SCIENCE AND ENGINEERING, 2024, 0(12): 119-125.

参考文献

[1] 包正弢. 热固性树脂基复合材料构件的固化变形仿真研究[D]. 广汉: 中国民用航空飞行学院, 2019.
[2] 岳广全. 整体化复合材料壁板结构固化变形模拟及控制方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2010.
[3] 陈淑仙, 闫登杰, 丁镇源. 加热工艺对树脂基复合材料挖补修理固化过程的影响[J]. 复合材料科学与工程, 2023(6): 44-51.
[4] STRUZZIERO G, TEUWEN J J E. A fully coupled thermo-mechanical analysis for the minimisation of spring-in and process time in ultra-thick components for wind turbine blades[J]. Composites Part A: Applied Science and Manufacturing, 2020, 139: 106105.
[5] 王雪华, 陈俊林, 满珈诚, 等. 复合材料C形梁结构的固化变形控制研究[J]. 复合材料科学与工程, 2023(6): 67-72.
[6] 武寒, 齐俊伟, 王跃全. 预固化环氧树脂复合材料构件的共固化研究[J]. 复合材料科学与工程, 2023(3): 76-82.
[7] BARAN I, CINAR K, ERSOY N, et al. A review on the mechanical modeling of composite manufacturing processes[J]. Archives of Computational Methods in Engineering, 2017, 24(2): 365-395.
[8] 丁安心, 李书欣, 倪爱清, 等. 热固性树脂基复合材料固化变形和残余应力数值模拟研究综述[J]. 复合材料学报, 2017, 34(3): 471-485.
[9] RADFORD D W. Volume fraction gradient induced warpage in cured composite plates[J]. Composite Engineering, 1995, 5(7): 923-934.
[10] WIERSMA H W, PEETERS L J B, AKKERMAN R. Prediction of springforward in continuous fibre/polymer L-shaped parts[J]. Composites Part A: Applied Science and Manufacturing, 1998, 29(11): 1333-1342.
[11] NAJI M I, HOA S V. Curing of thick angle bend thermoset composite part: curing cycle effect on thickness variation and fiber volume fraction[J]. Journal of Reinforced Plastics and Composites, 1999, 18(8): 702-723.
[12] 李艳霞, 李敏, 张佐光, 等. L形复合材料层板热压工艺密实变形过程的数值模拟[J]. 复合材料学报, 2008, 25(3): 78-83.
[13] 周洪, 李宁, 李阔, 等. 固化工艺影响L形复合材料制件固化变形研究[J]. 航空精密制造技术, 2021, 57(1): 17-22.
[14] GONG M, ZHANG D, ZHANG J, et al. Effects of lay-up types of out-of-autoclave prepregs on preparation quality of L-shape composite laminates[J]. Journal of Wuhan University of Technology-Materials Science Edition, 2021, 36(5): 629-635.
[15] 罗玲, 田智立, 张涛, 等. 基于人工神经网络的热固性树脂基复合材料固化变形预测研究综述[J]. 复合材料科学与工程, 2022(11): 120-127, 132.
[16] WOODARD A. A machine learning approach for the modelling of the cure kinetics of a thermoset resin[D]. Montreal: McGill University, 2022.
[17] LIN Y, GUAN Z. The use of machine learning for the prediction of the uniformity of the degree of cure of a composite in an autoclave[J]. Aerospace, 2021, 8(5): 130-143.
[18] LUO L, ZHANG B, ZHANG G, et al. Rapid prediction and inverse design of distortion behaviors of composite materials using artificial neural networks[J]. Polymers for Advanced Technologies, 2021, 32(3): 1049-1060.
[19] BOGETTI T A, GILLESPIE J W. Process-induced stress and deformation in thick-section thermoset composite laminates[J]. Journal of Composite Materials, 1992, 26(5): 626-660.
[20] 张晨乾, 李韶亮, 翟全胜, 等. 金属网复合膜对ZT7H/5429复合材料平板固化变形的影响[J]. 复合材料科学与工程, 2020(7): 103-109.
[21] BELLINI C, SORRENTINO L. Analysis of cure induced deformation of CFRP U-shaped laminates[J]. Composite Structures, 2018, 197: 1-9.
[22] 李金磊. 热固性复合材料制件残余应力形成及影响研究[D]. 大连: 大连理工大学, 2020.
[23] 陈健, 牛宽. 基于径向基函数神经网络的预测分析[J]. 中国储运, 2020(11): 124-125.

基于机器学习的L形复合材料长桁固化变形预测

Curing deformation prediction of L-shaped composite stringer based on machine learning

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]	张茜, 张一帆, 邹齐, 张鹏, 焦亚男, 安柳絮, 刘燕峰, 张代军, 郝俊杰, 陈利. 三维机织复合材料的连接性能与失效机制[J]. 复合材料科学与工程, 2024, 0(9): 5-11.
[2]	燕吉强, 谢宗佑, 李军, 邹齐, 雷帅, 曹铁男, 张代军. 铺层角度对聚酰亚胺纤维增强复合材料抗高速冲击性能影响[J]. 复合材料科学与工程, 2024, 0(9): 12-18.
[3]	吕续津, 霍红宇, 彭公秋, 张宝艳, 叶金秋, 刘勇. 静电纺丝PPESK纤维毡层间增韧碳纤维/环氧树脂复合材料[J]. 复合材料科学与工程, 2024, 0(9): 19-27.
[4]	郭妙才. 导电颗粒改性高韧性复合材料的层间结构和雷击损伤特性[J]. 复合材料科学与工程, 2024, 0(9): 28-36.
[5]	李沫莹, 郑林峰, 刘刚, 李梦娇, 姚佳楠. 碳纤维/聚芳醚酮热塑性复合材料与环氧涂层的附着力研究[J]. 复合材料科学与工程, 2024, 0(9): 37-42.
[6]	谢文博. 耐高温阻燃环氧树脂碳纤维复合材料性能研究[J]. 复合材料科学与工程, 2024, 0(9): 43-47.
[7]	黄大明, 唐立鑫, 孙军涛, 王炜. 残留单体丙烯腈对PAN基碳纤维制备的影响研究[J]. 复合材料科学与工程, 2024, 0(9): 48-51.
[8]	冯振辉, 王哲, 曾捷, 陈斌斌, 冯春乐, 周帆. 复合材料层板光纤冲击判位与载荷历程重构方法[J]. 复合材料科学与工程, 2024, 0(9): 52-56.
[9]	张德伟, 卫炜, 张聘, 王琦, 赵聪, 安鲁陵. 基于实测数据的飞机复合材料构件外形调控[J]. 复合材料科学与工程, 2024, 0(9): 57-66.
[10]	闫超, 戎笑远, 赵月青, 钱忠健. 复合材料共胶接帽形长桁加筋壁板的固化变形研究[J]. 复合材料科学与工程, 2024, 0(9): 67-72.
[11]	闫磊, 赵飞, 还大军, 张盛源, 王斌, 肖军. T700/PPS热塑缠绕复合材料NOL环拉-拉疲劳行为研究及寿命预测初探[J]. 复合材料科学与工程, 2024, 0(9): 73-81.
[12]	成李冰, 徐伟伟, 李博, 文诗琦. 复合材料肋零件微波固化成型工艺研究[J]. 复合材料科学与工程, 2024, 0(9): 82-86.
[13]	武海生, 罗锦涛, 顾轶卓, 孙天峰, 刘佳, 姚旗, 黎昱. 高模量碳纤维复合材料管件高低温交变环境结构稳定性研究[J]. 复合材料科学与工程, 2024, 0(9): 87-91.
[14]	付成建, 林松, 郭淑芬. 基于渐进损伤的Ⅳ型复合材料气瓶的爆破压强预测分析[J]. 复合材料科学与工程, 2024, 0(9): 92-97.
[15]	徐林, 刘传军, 赵崇书. 复合材料在民用飞机应用与发展趋势[J]. 复合材料科学与工程, 2024, 0(9): 98-104.