基于深度学习和近场动力学的层合板冲击工况识别

来源：计算力学学报杂志2023年第1期北京时间：

作者：唐和生,谢雅娟,陈豪

单位：同济大学 土木工程学院, 上海, 200082,同济大学 土木工程学院, 上海, 200082,同济大学 土木工程学院, 上海, 200082

摘要：在冲击荷载作用下复合材料会产生断裂和分层等损伤。基于损伤数据对冲击工况进行识别，对改善复合材料的设计和确保其安全使用具有重要意义。基于此，本文提出一种基于深度学习和近场动力学（PD）理论的层合板冲击工况识别方法。首先使用改进的表面修正系数PD理论建立复合材料层合板刚体冲击损伤演化分析PD模型，PD模型数值模拟结果结合噪声数据增强技术构建层合板的冲击工况数据库；基于深度学习-卷积神经网络（CNN），对不同工况下的冲击损伤演化数据进行训练，实现对未知冲击工况的识别。结果显示，对于钢球冲击速度和角度的识别准确率均高于90%。

关键词：深度学习,近场动力学,复合材料层合板,工况识别,冲击损伤,

基金资助：上海市级科技重大专项（2021SHZDZX0100）；科技部国家重点实验室基础研究项目（SLDRCE2019-B-02）资助项目.