[发明专利]一种考虑多尺度不确定性的混合复合材料铺层方法

权利要求书

1.一种考虑多尺度不确定性的混合复合材料铺层方法，其特征在于：具体包括以下步骤：

1)选择多种不同的复合材料作为混合复合材料的备选材料集合其中，表示第一种备选材料，表示第二种备选材料，表示第三种备选材料，表示第n种备选材料，n表示备选材料的总和，并对备选材料集合的微观属性进行不确定性量化，不确定量化后得到备选材料集合的微观属性的分布类型，其中，备选材料集合的微观属性包括微观弹性属性和微观强度属性；

2)基于步骤1)获得的备选材料集合的微观属性的分布类型，通过备选材料集合的多尺度分析模型，将备选材料集合的微观属性不确定性传播到宏观层面，获得备选材料集合的宏观弹性属性与宏观强度属性的分布类型；

3)获得备选材料集合的宏观弹性属性与宏观强度属性的分布类型后，利用宏观弹性属性和宏观强度属性及其分布类型确定备选材料集合的宏观有限元模型，对备选材料集合和备选材料集合的宏观有限元模型的层堆叠序列(θ₁,θ₂,θ₃、、、θ_x)进行拉丁超立方采样后，再通过层合板方法对备选材料集合的宏观有限元模型进行分析，分析之后获得备选材料集合的性能参数失效参数FI和总体成本参数C；其中，θ₁表示混合复合材料中的第一层材料的堆叠角度；θ₂表示混合复合材料中的第二层材料的堆叠角度；θ₃表示混合复合材料中的第三层材料的堆叠角度；θ_x表示混合复合材料中的第x层材料的堆叠角度，x表示层堆叠序列的总和；

4)构建备选材料集合的微观属性与混合复合材料参数的神经网络模型，构建的神经网络模型包括一个输入层、一个中间层和一个输出层，其中，输入层输入所需的备选材料集合所需的备选材料集合中各个备选材料的微观弹性属性、微观强度属性以及层堆叠序列(θ₁,θ₂,θ₃、、、θ_x)，表示第一种备选材料，表示所需的第二种备选材料，表示所需的第三种备选材料，表示所需的第m 种备选材料，m表示所需的备选材料的总和；输出层输出性能参数失效参数FI和总体成本参数C；

5)对训练后的神经网络模型计算均方误差MSE；

6)根据均方误差MSE来判断训练后的神经网络模型的准确性；

若获得的均方误差MSE小于预设的均方误差阈值，则表明构建的神经网络模型精确，进行步骤7)；

若获得的均方误差MSE大于等于均方误差阈值，则构建的神经网络模型不精确，进而基于性能预测方差对神经网络模型进行参数学习，然后回到步骤5)；

7)使用遗传算法(GA)对备选材料集合的选择和层堆叠序列(θ₁,θ₂,θ₃、、、θ_x)的选择进行优化处理，获得混合复合材料铺层中各层材料选择和各层堆叠角度，最后按照混合复合材料铺层中各层材料选择和各层堆叠角度进行混合复合材料铺层。