天津中德应用技术大学 胡海朝Polymer Composites：机器学习辅助预测CFRP/钢混杂层合板的低速冲击性能研究

本文研究了DP590高强钢/碳纤维增强聚合物（CFRP）混杂层合板的低速冲击性能，背景在于纤维金属层合板（FMLs）作为轻量化结构材料在低速冲击下易产生隐蔽损伤。研究目的为系统比较无胶层结构A与黏结膜增强结构B在5J-40J冲击能量下的损伤演化、力学响应及失效机理，并构建时间序列神经网络（CNN-LSTM）模型预测冲击力-时间历程。结论：引入结构胶膜的结构B在40J冲击下峰值载荷提升约41%，损伤面积降低约75.5%，能量耗散模式从脱粘主导向纤维断裂主导转变；CNN-LSTM模型在5J-30J区间能较好重现冲击过程，20J时拟合效果最佳（R²≈0.98），但40J时预测精度下降；该研究为汽车及轨道交通安全构件设计提供了“界面工程+数据驱动建模”的可行路径。