[发明专利]建立纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法

权利要求书

1.建立纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法，其特征在于，该方法为：

一、采用光学显微镜和图像分析方法获得同铺层的纤维增强树脂基复合材料层压板的孔隙的形貌特征参数；

二、对含不同孔隙率的纤维增强树脂基复合材料进行力学性能测试，获得力学性能参数；

三、将步骤一获得的孔隙的形貌特征参数及对应的铺层作为输入参数，将步骤二获得的纤维增强树脂基复合材料板的力学性能参数作为输出参数，建立所有输入参数与输出参数之间的对应关系，获得若干个训练数据对；每个训练数据对中包括一组输入参数和与其对应的输出参数；

四、建立神经网络模型，根据步骤三获得的若干个训练数据对所述神经网络模型进行训练、优化和测试，进而获得对纤维增强树脂基复合材料孔隙问题的表征与评价模型。

2.根据权利要求1所述的建立纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法，其特征在于，所述力学性能参数包括纤维增强树脂基复合材料的拉伸性、压缩、层间剪切、层间剪切疲劳和湿热后层间剪切性能。

3.根据权利要求1所述的建立纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法，其特征在于，所述孔隙的形貌特征包括的参数有：孔隙率、孔隙的尺寸和形状。

4.根据权利要求1所述的建立纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法，其特征在于，第四步中建立的是四层的神经网络，根据步骤三获得的若干个训练数据对所述神经网络模型进行训练、优化和测试，进而获得对纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法为：

四一、建立四层的神经网络，神经网络的结构表示为[4，Nh1，Nh2，1]，Nh1和Nh2分别为每个隐层的神经元数，神经网络由一个含有四个神经元的输入层、两个隐层和一个输出神经元组成，即4-x-x-1结构；

四二、确定所述神经网络的输入参数为孔隙率、孔隙尺寸、孔隙形状以及铺层；输出参数为纤维增强树脂基复合材料板的力学性能参数；

四三、训练数据，采用获得的若干个训练数据对中的部分数据对获得的神经网络进行训练，从神经网络4-[4-4]2-1开始训练，权重系数的初始化值为-1到1之间的随机数，训练过程采用的算法为Levenberg-Marquardt；

采用通过调整权重系数和偏差使得当神经网络的输入值为某一个训练数据对中的输入参数时，其输出值与该训练数据对中的输出参数之差最小，通过每次增加两个隐层的神经元来提高神经网络的预测质量，这个过程一直进行到误差达到10^-7为止，最终得到了神经网络模型4-[15-15]2-1；

四四、当神经网络训练结束后，采用未使用的其余训练数据对对获得的神经网络模型进行测试，测试合格，测该模型即为对纤维增强树脂基复合材料孔隙问题的表征与评价模型。

5.根据权利要求4所述的建立纤维增强树脂基复合材料孔隙问题的表征与评价模型的方法，其特征在于，步骤四三中采用步骤三获得的所有训练数据对中的75％至85％的数据实现对神经网络模型的训练，然后在步骤四四中采用剩余的训练数据对对获得的神经网络模型进行测试。