孔隙对碳/环氧层压板层间剪切强度影响的神经网络预测(英文)

摘要

采用一种新的方法研究了孔隙(孔隙率、孔隙形状和尺寸)对复合材料层压板[(±45)4/(0,90)/(±45)2]S,[(±45)/(0,90)2/(±45)]S和[(±45)/04/(0,90)/02]S的层间剪切强度影响的非线性关系。建立了了一个四层前馈型BP网络神经网络。采用真空袋和热压罐技术制备了含不同孔隙率的复合材料层压板。神经网络的算法为Levenberg-Marquardt算法。研究结果表明:Levenberg-Marquardt算法的预测能力较高,即,92%的B(决定系数)值大于0.9。而且,神经网络的结构会影响不同孔隙率的环氧树脂基复合材料的层间剪切强度的预测结果。