CN111024485A - 纤维增强复合材料参数层级敏感性分析方法 - Google Patents
纤维增强复合材料参数层级敏感性分析方法 Download PDFInfo
- Publication number
- CN111024485A CN111024485A CN201911193182.8A CN201911193182A CN111024485A CN 111024485 A CN111024485 A CN 111024485A CN 201911193182 A CN201911193182 A CN 201911193182A CN 111024485 A CN111024485 A CN 111024485A
- Authority
- CN
- China
- Prior art keywords
- mesoscopic
- model
- sensitivity
- variable
- scale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0075—Strain-stress relations or elastic constants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0096—Fibre-matrix interaction in composites
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/0202—Control of the test
- G01N2203/0212—Theories, calculations
- G01N2203/0214—Calculations a priori without experimental data
Landscapes
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
一种纤维增强复合材料参数层级敏感性分析方法,通过确定纤维增强复合材料多尺度模型各层级的子模型,经细观‑介观尺度模型材料参数敏感性分析得到细观‑介观尺度指标,然后通过介观‑宏观尺度模型材料参数敏感性分析得到介观‑宏观尺度指标和独立转换变量;再基于敏感性分析得到细观材料参数与独立转换变量的敏感性指标;最后通过线性回归获得线性回归系数并集成组合上述指标获得整个纤维增强复合材料多尺度模型的敏感性指标,并基于该敏感性指标对材料参数的影响程度进行有效评估。本发明对提高新材料的设计效率,缩短设计周期,快速有效地进行材料设计方案有着重要意义和实际价值。
Description
技术领域
本发明涉及的是一种新材料制造领域技术,具体是一种纤维增强复合材料参数层级敏感性分析方法。
背景技术
纤维增强复合材料具有密度低、比刚度高、比强度高以及耐疲劳等优点,但在各个尺度均存在因材料离散性、制造过程、仿真模型和操作环境等因素导致的不确定性,这些不确定性通过尺度传递和相互作用影响着纤维增强复合材料宏观力学性能。通过层级敏感性分析方法对提高新材料的设计效率,缩短设计周期,快速有效地进行材料设计方案有着重要意义和实际价值。
在实现纤维增强复合材料参数层级敏感性分析过程中存在两个研究难点:一是材料参数随机变量在尺度传递过程中会因共享变量存在而产生相关性,需要进行考虑相关性的敏感性分析并选择合适的敏感性指标;二是在各尺度敏感性分析得到各子系统的敏感性指标,如何合理有效地集成子系统敏感性指标从而获得整个纤维增强复合材料多尺度模型的敏感性指标。
发明内容
本发明针对现有技术无法解决上述两个研究难点的缺陷,提出一种纤维增强复合材料参数层级敏感性分析方法。
本发明是通过以下技术方案实现的:
本发明涉及一种纤维增强复合材料参数层级敏感性分析方法,通过确定纤维增强复合材料多尺度模型各层级的子模型,经细观-介观尺度模型材料参数敏感性分析得到细观-介观尺度指标,然后通过介观-宏观尺度模型材料参数敏感性分析得到介观-宏观尺度指标和独立转换变量;再基于敏感性分析得到细观材料参数与独立转换变量的敏感性指标;最后通过线性回归获得线性回归系数并集成组合上述指标获得整个纤维增强复合材料多尺度模型的敏感性指标,并基于该敏感性指标对材料参数的影响程度进行有效评估。
所述的纤维增强复合材料多尺度模型各层级的子模型包括:细观-介观尺度模型gL:X→Y和介观-宏观尺度模型gU:Y→Z,其中:上标L表示细观-介观尺度模型,上标U表示介观-宏观尺度模型;细观-介观尺度模型输入变量X=(X1,X2,…,Xn),n为输入变量数目;介观-宏观尺度模型的输出变量及介观-宏观尺度模型的输入变量为Y=(Y1,Y2,…,Ym),m为输出变量数目;介观-宏观尺度模型的输出变量为Z,介观-宏观尺度模型为 为介观-宏观尺度模型局部输入变量;Xsb为跨尺度共享变量;Y包含具有相关性的变量Ys和独立变量
所述的细观-介观尺度指标包括:细观-介观尺度模型的输入变量关于输出响应的敏感性指标、输出响应的方差和各变量对输出响应方差的贡献方差。
所述的介观-宏观尺度指标包括:介观-宏观尺度模型各转换变量的边缘敏感性指标和其对输出响应方差的贡献方差。
所述的边缘敏感性指标为:介观-宏观尺度模型正交独立转换后的随机变量贡献方差与输出响应方差的比值。
所述的共享变量是指同时作为两个及两个以上子模型的输入变量,被同一尺度的子模型共享的变量定义为同尺度共享变量,被不同尺度的子模型共享的变量定义为跨尺度共享变量。仅作为一个子模型的输入变量被定义为局部变量。
所述的细观-介观尺度模型材料参数敏感性分析是指:采用稀疏混沌多项式方法构造输出响应Y与输入变量X的随机表达式,对随机表达式进行后处理得到细观-介观尺度模型输入变量关于输出响应的敏感性指标输出响应的方差VY和各变量对输出响应方差的贡献方差
所述的介观-宏观尺度模型材料参数敏感性分析是指:通过相关性分析得到介观-宏观尺度模型各输入变量之间的相关系数,采取Vine Copula方法构建输入变量的联合概率分布,并通过Rosenblatt转换得到服从相互独立标准正态分布的随机变量进一步采用基于稀疏混沌多项式构造及后处理的方法得到介观-宏观尺度模型的边缘敏感性指标和各转换变量对输出响应方差的贡献方差该后处理方法同上述细观-尺度模型材料参数敏感性分析后处理方法。
所述的相关性分析是指:基于公式求得随机变量之间的Kendall秩相关系数,其中Nc为同序对数目,Nd为异序对数目,n为随机变量的样本数量。当Xi>Yi,且Xj>Yj,数据(X,Y)被称为同序对,当Xi>Yi,且Xj<Yj,数据(X,Y)被称为异序对。
所述的Vine Copula方法是指通过对介观-宏观尺度模型的多维随机变量的联合分布进行分解,将其转化为一系列二维Copula函数和边缘概率密度函数的积。
所述的二维Copula函数是一维边缘分布与二维联合分布的连接函数,以三变量情况为例说明Vine Copula,存在联合概率密度函数为f(y1,y2,y3)=f1(y1)f2|1(y2|y1)f3|12(y3|y1,y2),条件分布为f2|1(y2|y1)=c12(F1(y1),F2(y2))f2(y2),f3|12(y3|y1,y2)=c3|12(F1|2(y1|y2),F3|2(y3|y2))f3|2(y3|y2),f3|2(y3|y2)=c23(F2(y2),F3(y3))f3(y3),当把上述三个条件分布带入到联合概率密度函数得到:f(y1,y2,y3)=f1(y1)f2(y2)f3(y3)c12(F1(y1),F2(y2))c23(F2(y2),F3(y3))c3|12(F1|2(y1|y2),F3|2(y3|y2)),其中:c12和c23为无条件Copula密度函数,c3|12为条件Copula密度函数,条件累积密度函数C(·)则为Copula函数,ui=Fi(xi)。
所述的集成组合是指:通过线性回归将细观-介观尺度指标、介观-宏观尺度指标和边缘敏感性指标通过集成公式组合得到整个多尺度模型的敏感性指标。
所述的线性回归具体为:对细观-介观尺度模型的输出变量Ys的具有相关性的变量进行Rosenblatt转换介观-宏观尺度模型转变为其中:B=(B1,B2,…,Bnx+ny)T是线性回归系数,该系数通过求解B=(ξTξ)-1ξTZ获得,其中:
所述的集成公式包括:
所述的对材料参数的影响程度进行有效评估是指:基于整个纤维增强复合材料多尺度模型的敏感性指标对各尺度的材料参数的影响程度大小进行分析,并对其进行排序。
本发明涉及一种实现上述方法的系统,包括:复合材料多尺度子模型生成模块、细观-介观尺度模型敏感性分析模块、介观-宏观尺度模型敏感性分析模块、边缘敏感性分析模块、线性回归模块及指标集成模块,其中:复合材料多尺度子模型生成模块用于确定纤维增强复合材料多尺度模型各层级的子模型、子模型的输入、输出及输入变量的概率密度函数;细观-介观尺度模型敏感性分析模块用于对细观-介观尺度模型材料参数进行敏感性分析;介观-宏观尺度模型敏感性分析模块用于对介观-宏观尺度模型材料参数进行敏感性分析;边缘敏感性分析模块用于对细观材料参数X与独立转换变量进行敏感性分析;复合材料多尺度子模型生成模块分别与细观-介观尺度模型敏感性分析模块、介观-宏观尺度模型敏感性分析模块、边缘敏感性分析模块、线性回归模块相连并传输基本信息,细观-介观尺度模型敏感性分析模块与介观-宏观尺度模型敏感性分析模块相连并传输Y变量信息,介观-宏观尺度模型敏感性分析模块与D、线性回归模块相连并传输变量信息,细观-介观尺度模型敏感性分析模块、介观-宏观尺度模型敏感性分析模块、边缘敏感性分析模块、线性回归模块分别与指标集成模块相连并传输各模块指标。
技术效果
与现有技术相比,本发明整体所解决的技术问题是:基于纤维增强复合材料各尺度模型进行整个系统的敏感性分析,并基于整个模型的敏感性指标从而挑选出影响程度大的材料参数;由此产生的意料之外的技术效果包括:
本发明考虑了纤维增强复合材料多尺度特性,采用层级敏感性分析方法分析各尺度不确定性输入变量与最终输出响应之间的变化规律,并基于敏感性指标对各尺度材料参数的影响程度进行有效评估和排序,对提高新材料的设计效率,缩短设计周期,快速有效地进行材料设计方案有着重要意义和实际价值。
本发明技术效果进一步包括:
1)充分考虑了随机变量之间高维相关性。本发明在变量相关情况下的敏感性分析过程中,对于具有高维相关性的随机变量采用Vine Copula方法构造随机变量的联合概率分布,并通过Rosenblatt转换获取独立高斯分布集,提高了随机预测结果的准确性。
2)实现了纤维增强复合材料的层级敏感性分析过程。传统方法将整个复杂的多尺度模型看成一个黑匣子来处理,非线性程度高,且无法获取中间尺度变量的影响作用。本发明则将多尺度模型分解为各个子模型,不仅能获取子模型输入关于输出的影响作用,同时基于集成公式能获得各尺度输入变量关于最终输出响应的影响作用,并基于敏感性指标对各尺度材料参数的影响程度进行有效评估和排序。
附图说明
图1为本发明方法流程图;
图2为三维机织碳纤维复合材料各尺度模型;
图3为三维机织碳纤维复合材料多尺度框架;
图4为输出变量相关性矩阵;
图5为输入变量的敏感性指标。
具体实施方式
如图1所示,为本实施例涉及的一种纤维增强复合材料参数层级敏感性分析方法,包括如下步骤:
步骤一、针对三维机织碳纤维复合材料首先定义各尺度的模型及层级结构:各尺度模型如图2所示,包括L1层级和L2层级两个层级的模型,L1层级的子模型有三个,分别是纤维和基体关于经纱、纬纱和捆绑纱的子模型;L2层级的为经纱、纬纱和捆绑纱关于单胞的子模型;三维机织碳纤维多尺度复合材料模型所对应的的层级结构如图3所示,其次定义各尺度模型的输入及输出,并确定输入、输出及输入的概率密度函数。图3给出了各子模型的输入及输出,L1层级输出变量为经纱、纬纱和捆绑纱刚度矩阵的主要元素(Ewarp,Eweft,Ebinder),L2层级输出变量为单胞的弹性模量Ex,输入变量基本信息如表1所示。
表1输入变量基本信息
参数 | 物理描述 | 分布形式 | 均值 | 变异系数 |
W<sub>warp</sub> | 经纱宽度 | 高斯分布 | 1.64mm | 0.05 |
H<sub>warp</sub> | 经纱高度 | 高斯分布 | 0.46mm | 0.05 |
W<sub>weft</sub> | 纬纱宽度 | 高斯分布 | 2.76mm | 0.05 |
H<sub>weft</sub> | 纬纱高度 | 高斯分布 | 0.31mm | 0.05 |
W<sub>binder</sub> | 捆绑纱宽度 | 高斯分布 | 0.33mm | 0.05 |
H<sub>binder</sub> | 捆绑纱高度 | 高斯分布 | 0.12mm | 0.05 |
E<sub>f</sub> | 纤维弹性模量 | 高斯分布 | 230GPa | 0.05 |
E<sub>m</sub> | 基体弹性模量 | 高斯分布 | 3.0GPa | 0.05 |
v<sub>m</sub> | 基体泊松比 | 高斯分布 | 0.35 | 0.05 |
(Ef,Em,vm)是同尺度共享变量,(Wwarp,Hwarp,Wweft,Hweft,Wbinder,Hbinder)是跨尺度共享变量。
步骤二、细观-介观尺度模型材料参数敏感性分析。考虑到细观-介观尺度模型输入变量(Wwarp,Hwarp,Wweft,Hweft,Wbinder,Hbinder,Ef,Em,vm)之间相互独立,采用稀疏混沌多项式方法构造随机表达式,对随机表达式进行后处理获取细观-介观尺度模型输入变量关于输出响应的敏感性指标输出响应的方差VY和各变量对输出响应方差的贡献方差细观-介观尺度模型敏感性指标及贡献方差如表2所示,响应方差如表3所示。
表2细观-介观尺度模型敏感性指标及贡献方差
表3细观-介观尺度模型响应方差
方差 | E<sub>warp</sub> | E<sub>weft</sub> | E<sub>binder</sub> |
V<sup>Y</sup> | 125.6799 | 97.6843 | 1.3482E4 |
步骤三、介观-宏观尺度模型材料参数敏感性分析。通过相关性分析得到介观-宏观尺度模型各输入变量(Wwarp,Hwarp,Wweft,Hweft,Wbinder,Hbinder,Ewarp,Eweft,Ebinder)之间的相关系数,相关性分析结果见图4中相关性矩阵的下三角矩阵。采取Vine Copula方法构建输入变量的联合概率分布,基于Vine Copula构建的联合概率分布重采样得到的相关性如图4中相关性矩阵的上三角矩阵所示,相关性矩阵关于对角线对称,说明基于Vine Copula构建的联合概率分布足够精确。通过Rosenblatt转换得到服从相互独立标准正态分布的随机变量,由于转换后的随机变量相互独立,可采用基于稀疏混沌多项式构造及后处理的方法获取指标,边缘敏感性指标和贡献方差如表4所示。
表4边缘敏感性指标及贡献方差
表5细观材料参数关于独立转换变量的贡献方差
步骤五、线性回归求解回归系数B,如表6所示。
表6回归系数
b<sub>0</sub> | b<sub>1</sub> | b<sub>2</sub> | b<sub>3</sub> | b<sub>4</sub> | b<sub>5</sub> | b<sub>6</sub> | b<sub>7</sub> | b<sub>8</sub> | b<sub>9</sub> | |
数值 | 64.2261 | 0.1593 | -1.3699 | 0.0846 | -1.4211 | -0.0392 | -0.2036 | 3.0222 | 0.1659 | -0.0207 |
步骤六、指标集成。将上述步骤二至四得到的指标按集成公式组合得到整个多尺度模型的敏感性指标,如表7及图5所示。
表7多尺度模型敏感性指标
从表5可知,对于宏观力学属性弹性模量Ex来说,纤维弹性模量对其的敏感性最强,为0.6934,其次是纬纱高度及经纱高度,分别为0.1439与0.1384,其他材料参数的影响作用几乎忽略不计。
所述的介观-宏观尺度模型材料参数敏感性分析,介观输入参数之间由于具有相关性,需先采取Vine Copula方法构建输入变量的联合概率分布,再通过Rosenblatt转换得到服从相互独立标准正态分布的随机变量。由于转换后的随机变量相互独立,即可采用基于稀疏混沌多项式构造及后处理的方法获取指标,边缘敏感性指标和贡献方差。
所述的指标集成方法,基于局部变量、同尺度共享变量、跨尺度共享变量的集成公式将细观-介观尺度模型的敏感性指标输出响应的方差VY和各变量对输出响应方差的贡献方差介观-宏观尺度模型的边缘敏感性指标和各转换变量对输出响应方差的贡献方差细观材料参数关于独立转换变量的贡献方差以及线性回归系数B=(B1,B2,…,Bnx+ny)T进行集成获得整个纤维增强复合材料多尺度模型的敏感性指标。
与现有技术相比,本方法充分考虑了随机变量之间高维相关性,以及实现了纤维增强复合材料的层级敏感性分析。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (12)
1.一种纤维增强复合材料参数层级敏感性分析方法,其特征在于,通过确定纤维增强复合材料多尺度模型各层级的子模型,经细观-介观尺度模型材料参数敏感性分析得到细观-介观尺度指标,然后通过介观-宏观尺度模型材料参数敏感性分析得到介观-宏观尺度指标和独立转换变量;再基于敏感性分析得到细观材料参数与独立转换变量的敏感性指标;最后通过线性回归获得线性回归系数并集成组合上述指标获得整个纤维增强复合材料多尺度模型的敏感性指标,并基于该敏感性指标对材料参数的影响程度进行有效评估;
所述的纤维增强复合材料多尺度模型各层级的子模型包括:细观-介观尺度模型gL:X→Y和介观-宏观尺度模型gU:Y→Z,其中:上标L表示细观-介观尺度模型,上标U表示介观-宏观尺度模型;细观-介观尺度模型输入变量X=(X1,X2,…,Xn),n为输入变量数目;介观-宏观尺度模型的输出变量及介观-宏观尺度模型的输入变量为Y=(Y1,Y2,…,Ym),m为输出变量数目;介观-宏观尺度模型的输出变量为Z,介观-宏观尺度模型为 为介观-宏观尺度模型局部输入变量;Xsb为跨尺度共享变量;Y包含具有相关性的变量Ys和独立变量
所述的细观-介观尺度模型材料参数敏感性分析是指:采用稀疏混沌多项式方法构造输出响应Y与输入变量X的随机表达式,对随机表达式进行后处理得到细观-介观尺度模型输入变量关于输出响应的敏感性指标输出响应的方差VY和各变量对输出响应方差的贡献方差
所述的介观-宏观尺度模型材料参数敏感性分析是指:通过相关性分析得到介观-宏观尺度模型各输入变量之间的相关系数,采取Vine Copula方法构建输入变量的联合概率分布,并通过Rosenblatt转换得到服从相互独立标准正态分布的随机变量进一步采用基于稀疏混沌多项式构造及后处理的方法得到介观-宏观尺度模型的边缘敏感性指标和各转换变量对输出响应方差的贡献方差该后处理方法同上述细观-尺度模型材料参数敏感性分析后处理方法;
所述的对材料参数的影响程度进行有效评估是指:基于整个纤维增强复合材料多尺度模型的敏感性指标对各尺度的材料参数的影响程度大小进行分析,并对其进行排序。
2.根据权利要求1所述的纤维增强复合材料参数层级敏感性分析方法,其特征是,所述的细观-介观尺度指标包括:细观-介观尺度模型的输入变量关于输出响应的敏感性指标、输出响应的方差和各变量对输出响应方差的贡献方差;
所述的介观-宏观尺度指标包括:介观-宏观尺度模型各转换变量的边缘敏感性指标和其对输出响应方差的贡献方差;
所述的边缘敏感性指标为:介观-宏观尺度模型正交独立转换后的随机变量贡献方差与输出响应方差的比值。
3.根据权利要求1所述的纤维增强复合材料参数层级敏感性分析方法,其特征是,所述的共享变量是指同时作为两个及两个以上子模型的输入变量,被同一尺度的子模型共享的变量定义为同尺度共享变量,被不同尺度的子模型共享的变量定义为跨尺度共享变量,仅作为一个子模型的输入变量被定义为局部变量。
8.根据权利要求1所述的纤维增强复合材料参数层级敏感性分析方法,其特征是,所述的Vine Copula方法是指通过对介观-宏观尺度模型的多维随机变量的联合分布进行分解,将其转化为一系列二维Copula函数和边缘概率密度函数的积;
所述的二维Copula函数是一维边缘分布与二维联合分布的连接函数,以三变量情况为例说明Vine Copula,存在联合概率密度函数为f(y1,y2,y3)=f1(y1)f2|1(y2|y1)f3|12(y3|y1,y2),条件分布为f2|1(y2|y1)=c12(F1(y1),F2(y2))f2(y2),f3|12(y3|y1,y2)=c3|12(F1|2(y1|y2),F3|2(y3|y2))f3|2(y3|y2),f3|2(y3|y2)=c23(F2(y2),F3(y3))f3(y3),当把上述三个条件分布带入到联合概率密度函数得到:f(y1,y2,y3)=f1(y1)f2(y2)f3(y3)c12(F1(y1),F2(y2))c23(F2(y2),F3(y3))c3|12(F1|2(y1|y2),F3|2(y3|y2)),其中:c12和c23为无条件Copula密度函数,c3|12为条件Copula密度函数,条件累积密度函数C(·)则为Copula函数,ui=Fi(xi);
10.根据权利要求1或2所述的纤维增强复合材料参数层级敏感性分析方法,其特征是,所述的集成组合是指:通过线性回归将细观-介观尺度指标、介观-宏观尺度指标和边缘敏感性指标通过集成公式组合得到整个多尺度模型的敏感性指标。
12.一种实现上述任一权利要求所述方法的系统,其特征在于,包括:复合材料多尺度子模型生成模块、细观-介观尺度模型敏感性分析模块、介观-宏观尺度模型敏感性分析模块、边缘敏感性分析模块、线性回归模块及指标集成模块,其中:复合材料多尺度子模型生成模块用于确定纤维增强复合材料多尺度模型各层级的子模型、子模型的输入、输出及输入变量的概率密度函数;细观-介观尺度模型敏感性分析模块用于对细观-介观尺度模型材料参数进行敏感性分析;介观-宏观尺度模型敏感性分析模块用于对介观-宏观尺度模型材料参数进行敏感性分析;边缘敏感性分析模块用于对细观材料参数X与独立转换变量进行敏感性分析;复合材料多尺度子模型生成模块分别与细观-介观尺度模型敏感性分析模块、介观-宏观尺度模型敏感性分析模块、边缘敏感性分析模块、线性回归模块相连并传输基本信息,细观-介观尺度模型敏感性分析模块与介观-宏观尺度模型敏感性分析模块相连并传输Y变量信息,介观-宏观尺度模型敏感性分析模块与D、线性回归模块相连并传输变量信息,细观-介观尺度模型敏感性分析模块、介观-宏观尺度模型敏感性分析模块、边缘敏感性分析模块、线性回归模块分别与指标集成模块相连并传输各模块指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911193182.8A CN111024485B (zh) | 2019-11-28 | 2019-11-28 | 纤维增强复合材料参数层级敏感性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911193182.8A CN111024485B (zh) | 2019-11-28 | 2019-11-28 | 纤维增强复合材料参数层级敏感性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111024485A true CN111024485A (zh) | 2020-04-17 |
CN111024485B CN111024485B (zh) | 2021-06-04 |
Family
ID=70203066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911193182.8A Expired - Fee Related CN111024485B (zh) | 2019-11-28 | 2019-11-28 | 纤维增强复合材料参数层级敏感性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111024485B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733382A (zh) * | 2021-01-21 | 2021-04-30 | 河北工业大学 | 一种多输入多输出复杂系统的全局敏感性分析方法 |
CN113420476A (zh) * | 2021-06-21 | 2021-09-21 | 上海交通大学 | 铝-碳纤维复合材料接头力学性能全局敏感性检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10058498A1 (de) * | 2000-11-24 | 2002-06-13 | Karlsruhe Forschzent | Vorrichtung zur Bestimmung des Torsionsmoments und der Axialkraft in Torsionsversuchen an dünnen Fasern |
CN101241521A (zh) * | 2008-03-06 | 2008-08-13 | 上海交通大学 | 基于支持向量机的轿车车身综合性能指标建模方法 |
CN102703742A (zh) * | 2012-04-17 | 2012-10-03 | 上海交通大学 | 一种基体为纳米叠层结构的金属基复合材料及其制备方法 |
CN103698199A (zh) * | 2013-09-26 | 2014-04-02 | 北京航空航天大学 | 一种基于细观力学退化模型的复合材料结构失效分析方法 |
CN103942441A (zh) * | 2014-04-25 | 2014-07-23 | 上海交通大学 | 基于应力比影响的碳纤维复合材料疲劳寿命评估方法 |
CN105503272A (zh) * | 2015-12-22 | 2016-04-20 | 中南大学 | 一种含钡锶铝硅酸盐/莫来石/SiC三层复合结构涂层的复合材料的制备方法 |
CN108897960A (zh) * | 2018-07-04 | 2018-11-27 | 北京航空航天大学 | 一种基于不确定性量化的涡轮叶片热机械疲劳概率寿命预测方法 |
-
2019
- 2019-11-28 CN CN201911193182.8A patent/CN111024485B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10058498A1 (de) * | 2000-11-24 | 2002-06-13 | Karlsruhe Forschzent | Vorrichtung zur Bestimmung des Torsionsmoments und der Axialkraft in Torsionsversuchen an dünnen Fasern |
CN101241521A (zh) * | 2008-03-06 | 2008-08-13 | 上海交通大学 | 基于支持向量机的轿车车身综合性能指标建模方法 |
CN102703742A (zh) * | 2012-04-17 | 2012-10-03 | 上海交通大学 | 一种基体为纳米叠层结构的金属基复合材料及其制备方法 |
CN103698199A (zh) * | 2013-09-26 | 2014-04-02 | 北京航空航天大学 | 一种基于细观力学退化模型的复合材料结构失效分析方法 |
CN103942441A (zh) * | 2014-04-25 | 2014-07-23 | 上海交通大学 | 基于应力比影响的碳纤维复合材料疲劳寿命评估方法 |
CN105503272A (zh) * | 2015-12-22 | 2016-04-20 | 中南大学 | 一种含钡锶铝硅酸盐/莫来石/SiC三层复合结构涂层的复合材料的制备方法 |
CN108897960A (zh) * | 2018-07-04 | 2018-11-27 | 北京航空航天大学 | 一种基于不确定性量化的涡轮叶片热机械疲劳概率寿命预测方法 |
Non-Patent Citations (1)
Title |
---|
籍庆辉: "基于Kriging近似模型的碳纤维增强复合材料疲劳性能预测及其应用", 《上海交通大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733382A (zh) * | 2021-01-21 | 2021-04-30 | 河北工业大学 | 一种多输入多输出复杂系统的全局敏感性分析方法 |
CN113420476A (zh) * | 2021-06-21 | 2021-09-21 | 上海交通大学 | 铝-碳纤维复合材料接头力学性能全局敏感性检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111024485B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dey et al. | Metamodel based high-fidelity stochastic analysis of composite laminates: A concise review with critical comparative assessment | |
Gupta et al. | Debates-the future of hydrological sciences: A (common) path forward? Using models and data to learn: A systems theoretic perspective on the future of hydrological science. | |
CN111024484B (zh) | 纤维增强复合材料随机力学性能预测方法 | |
Eldred et al. | Comparison of non-intrusive polynomial chaos and stochastic collocation methods for uncertainty quantification | |
Khasminskii et al. | On averaging principles: an asymptotic expansion approach | |
CN111024485B (zh) | 纤维增强复合材料参数层级敏感性分析方法 | |
Mehrez et al. | A PCE-based multiscale framework for the characterization of uncertainties in complex systems | |
Zhao et al. | A comparison of deterministic, reliability-based topology optimization under uncertainties | |
Wang et al. | Toward a flexible scenario generation tool for stochastic renewable energy analysis | |
CN107274028A (zh) | 一种基于混合Copula函数的多风场出力预测方法 | |
D’Amico et al. | Performance analysis of second order semi-Markov chains: an application to wind energy production | |
CN110321493A (zh) | 一种社交网络的异常检测与优化方法、系统及计算机设备 | |
Zhang et al. | On the quantification and efficient propagation of imprecise probabilities with copula dependence | |
Vieira | Low-energy properties of aperiodic quantum spin chains | |
Xiao et al. | EzGP: Easy-to-Interpret Gaussian Process Models for Computer Experiments with Both Quantitative and Qualitative Factors | |
Liu et al. | A generalized Griffith importance measure for components with multiple state transitions | |
CN117175588A (zh) | 基于时空相关性的用电负荷预测方法及装置 | |
CN116822743A (zh) | 一种基于两阶段分解重构与误差校正的风电功率预测方法 | |
Han et al. | Double-cycle weighted imputation method for wastewater treatment process data with multiple missing patterns | |
Kowalczyk | Parametric constitutive model of plain-weave fabric reinforced composite ply | |
Suo et al. | Calculation of failure probability of series and parallel systems for imprecise probability | |
Bohlmann et al. | System Identification with Multi-Agent-based Evolutionary Computation Using a Local Optimization Kernel | |
Wang et al. | Quantification and propagation of Aleatoric uncertainties in topological structures | |
Bogaerts et al. | A fast inverse approach for the quantification of set-theoretical uncertainty | |
Shao et al. | Recovering chaotic properties from small data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210604 Termination date: 20211128 |