论文部分内容阅读
3D机织增强复合材料具有广阔的应用前景，本文选择3D机织物结构、复合材料性能及其预测等方面进行探索，必将对3D机织增强复合材料的发展和更广泛应用产生重要的促进作用。
本文分析了3D机织物结构，建立了3D机织结构的表征参数并简化了结构表征参数间的数学关系，得到了只需确定三个独立的结构参数(nft、kb和St)即可确定3D机织物结构的结果。用[nft，st，kb]三个参数即可完全表达3D机织物的结构，同时通过改变这三个参数，即可形成完整的3D机织物结构体系，为3D机织物结构体系的完整建立及3D机织复合材料性能的研究打下了基础。
通过选择[nft，St，kb]三个结构参数，形成并试制了多种不同结构的3D机织物；并采用模压成型试制成功了多种结构的3D机织复合材料。在分析3D机织复合材料中纱线特征的基础上，建立了描述面纱、接经纱和纱线截面的几何形状及相互之间关系的模型，并预测了3D机织物复合材料的体积含量。
在3D机织复合材料性能研究的基础上，建立了4×8×2的三层BP网络模型——3DWCTPM模型。以nft、St、kb三个结构参数和纤维体积含量Vf作为网络的输入参数，复合材料经、纬向拉伸强度作为网络的输出参数。模型的训练过程使用了不同的学习方法进行了尝试，结果表明采用LM法具有最快的收敛速度。预测的结果表明在较少的实验数据和输入参数的基础上，预测3D机织物复合材料经、纬向拉伸强度是可行的。
在此基础上，进一步提出了用神经网络技术建立预测3D机织物复合材料多性能力学指标的模型，以获得性能预测的神经网络模型为目标函数所建立的遗传算法模块，实现了以性能值为优化目标的结构优化设计，但仍需要进一步的探索工作加以完善。