微精选

机织复合材料作为具有宏-细-微观多尺度结构特征的材料，其多尺度损伤演化行为的高效准确预测是工业界和学术界高度关注的问题。基于有限元方法的宏-细-微观并发多尺度模型存在“维度灾难”问题，而当前数据驱动多尺度模型面临神经网络映射高维物理场的挑战，使其无法揭示微观损伤演化行为。

近日，哈尔滨工业大学（HIT）果立成教授团队提出了一种基于损伤演化基因数据库的数据驱动多尺度模型，该模型在细观尺度采用自洽聚类分析方法（Self-consistent Clustering Analysis, SCA）求解机织单胞边值问题，微观尺度采用由纤维束单胞损伤演化基因库训练得到的深度神经网络（Deep Neural Network, DNN）实现“无方程”求解，实现机织复合材料细-微观损伤演化高效准确预测。文章发表于国际知名期刊《Composites Part A: Applied Science and Manufacturing》，论文标题为“A data-driven multiscale model SCA-DNN for 3D woven composites based on the damage evolution genome database”。 

该研究从生物基因序列获得灵感，认为在外载荷和材料体系确定时纤维束单胞的损伤演化行为是一种固有属性。考虑到基于有限元（Finite Element Method, FEM）获得的纤维束单胞微观损伤场维度通常超过10⁴，难以作为神经网络模型输出，本研究提出基于SCA的高保真损伤信息压缩方法，通过求解聚类Lippmann–Schwinger积分方程，获得基于聚类的损伤演化信息，原先高维的损伤场被压缩为10¹维度，其对于DNN模型输出是可以接受的。

图1. 基于SCA的高保真损伤信息压缩方法

基于所建立的损伤演化基因数据库，分别建立纤维束单胞宏观应变-宏观应力DNN模型、宏观应变-微观聚类损伤起始DNN模型以及宏观应变-微观聚类损伤演化DNN模型，联合表征纤维束单胞微观损伤演化与宏观力学行为。

图2. 表征纤维束单胞损伤演化与宏观力学行为的4种DNN模型

建立数据驱动多尺度模型SCA-DNN，实现机织复合材料细-微观损伤演化并行计算，其中细观纤维束的应力更新和微观损伤分析通过DNN模型组合高效实现。针对所建立的宏观应变-宏观应力DNN模型，基于自动微分算法（Automatic Differentiation）解析计算细观切线刚度张量，缓解并发多尺度分析中细观牛顿迭代难以收敛问题。

图3. 数据驱动多尺度模型SCA-DNN求解过程框架

研究对SCA-DNN模型开展了四种工况下的精度测试。研究表明，当细观聚类数量超过256时，与试验相比SCA-DNN模型预测的机织复合材料失效强度偏差在10%以内。在相同的细观聚类数量下，SCA-DNN模型与现有SCA²模型的强度预测具有极高的一致性。SCA-DNN模型预测的细-微观损伤演化过程、损伤起始时刻以及主导失效模式与SCA²模型预测结果高度一致。在计算效率上，SCA-DNN模型相比SCA²模型可实现数倍提高。

图4. 四种典型工况下SCA-DNN模型和SCA²模型（a）强度预测误差带和（b）失效应变误差带

图5. 机织复合材料在径向拉伸载荷下的多尺度损伤演化行为预测结果对比

该研究建立了一种基于材料损伤演化基因数据库的数据驱动多尺度模型SCA-DNN，可准确高效预测机织复合材料细-微观损伤演化行为与宏观力学性能，为机织复合材料多尺度损伤行为评估提供关键理论支撑。未来，SCA-DNN模型将扩展到宏-细-微观，用于分析机织复合材料结构的三尺度损伤演化行为。

原始文献：

S. Wu, L. Guo, Z. Li, G. Liu, Z. Liu, Y. Gao, A data-driven multiscale model SCA-DNN for 3D woven composites based on the damage evolution genome database, Composites Part A: Applied Science and Manufacturing, (2025) 109318.

原文链接：