基于卷积神经网络的本构建模与参数识别方法在铝/环氧树脂复合材料力学性能研究中的应用

本研究针对铝/环氧树脂(Al/Ep)复合材料的多参数本构建模难题，开发了结合Boyce-Parks-Argon(BPA)本构理论与卷积神经网络的分析框架。通过准静态/动态力学实验和有限元模拟，建立了应力-应变响应与本构参数的高精度映射关系，为环氧基复合材料的性能优化提供新范式。

基于卷积神经网络的本构建模与参数识别方法在铝/环氧树脂复合材料研究中取得突破。新型反应材料铝/环氧树脂(Al/Ep)因其冲击诱导能量释放特性，在毁伤评估和爆炸减缓研究领域展现巨大潜力。为系统研究Al/Ep复合材料的力学性能，本研究构建了包含本构建模、数值模拟和参数识别的完整研究体系。

研究人员首先制备了不同铝体积分数的Al/Ep试件，并开展严格的准静态和动态力学测试。随后基于亥姆霍兹自由能框架和Boyce-Parks-Argon(BPA)本构理论，建立了能精确描述Al/Ep材料全弹塑性变形行为的本构模型，并开发了包含材料用户子程序的有限元数值模型。

最具创新性的是，研究团队构建了基于卷积神经网络的分析方法，成功实现了应力-应变响应与本构参数的高保真映射，有效解决了非均质材料本构模型的多参数识别难题。实验验证表明，该研究框架具有优异的准确性和可靠性。这项研究为不同组分Al/Ep复合材料的静态力学性能和动态响应特性评估提供了高效精准的研究手段，显著推动了环氧基复合材料的开发与性能优化进程。