【学术成果】谷泽文教师团队在高性能复合材料微裂纹预测研究方面取得新进展

近日，我们谷泽文教师团队在基于深度学习的高性能复合材料微裂纹预测研究方面取得新进展，相关研究成果《A coupled deep learning and DEM modelling approach for transverse crack prediction in UD-GFRP composites》发表在《Composite Science and Technology》。《Composite Science and Technology》是复合材料与结构力学领域的国际顶级期刊（SCI二区Top，影响因子9.8）。论文第一作者为谷泽文老师，通讯作者为本院丁小轩老师，太阳集团网址8722为第一署名单位和唯一通讯单位。该研究得到山东省自然科学基金青年项目、青岛市博士后项目资助（一等）及国家自然科学基金青年项目等的联合资助。

论文首页

玻璃纤维增强复合材料因高强度、耐腐蚀等优异性能广泛应用于航空航天等领域，但其微观各向异性和非均质性导致损伤演化预测极其困难。传统实验受环境限制难以捕捉微裂纹萌生，而基于物理场的数值模拟虽能精准复现裂纹演化，但单次仿真较为耗时，制约工程应用效率。为突破上述瓶颈，该研究提出了一种耦合深度学习和离散元法（Discrete Element Method, DEM）的创新框架，首先建立与实验结果吻合良好的离散元法模型，基于此生成500组仿真数据。随后分别搭建深度神经网络（DNN）和卷积神经网络（CNN）模型，实现基于几何特征的复合材料横向裂纹的高效预测。研究有效克服了传统方法依赖中间物理量、计算耗时的局限性，为复合材料损伤分析提供新思路。

结合深度学习与离散元方法的复合材料横向裂纹预测

论文链接：https://doi.org/10.1016/j.compscitech.2025.111234