基于多尺度建模与深度学习的CFRP层合板湿-热-振耦合老化预测

Hygrothermal-vibration coupled aging prediction of CFRP laminates via multiscale modeling and deep learning

作者单位: 中国民航大学

DOI: https://doi.org/10.1016/j.coco.2025.102584

✅ 第一层：论文总结

这篇论文发现了一个关于航空发动机舱CFRP层合板在真实服役环境中加速老化的真问题。该问题的核心硬挑战在于实验难以模拟湿-热-振多物理场耦合效应，且长期老化数据匮乏。为了攻克这一挑战，作者提出了融合多尺度FEM、相场损伤模型与GRU-GNN深度学习的巧方法。该方法取得了预测精度较传统方法提升30% 的强效果，最终为我们带来了 “振动通过应力幅值主导纤维损伤，电阻变化可定量表征损伤方向性” 的 新见解。

✅ 第二层：论文拆解

1. 1. 真实工程问题
   CFRP层合板在航空发动机舱中面临湿-热循环与持续振动的耦合环境，传统实验仅考虑单一因素（纯湿-热），无法反映真实服役工况下的加速老化行为，导致寿命预测偏差威胁飞行安全。
2. 2. 核心科学挑战
• • 实验局限：长周期老化实验成本高，仅能获取离散时间点的弯曲性能数据（如10/20/30天），无法覆盖任意老化时段。
• • 机理复杂：湿-热引发表面树脂塑化，振动引发内部纤维损伤，二者耦合时存在非线性叠加效应。
• • 数据稀疏：电阻监测可反映损伤，但缺乏与机械性能衰减的定量关联模型。
• 
  

1. 3. 巧妙的核心方法
   三阶段融合框架：
• • 创新实验平台：设计湿-热-振三场同步加载装置（70°C水温+50Hz振动），模拟真实启停工况（16小时/天）。
• • 多尺度物理建模：
• • 宏尺度：温度/湿度依赖的刚度矩阵（ ）
• • 微尺度：相场法（PFM）模拟纤维/基体损伤演化
• • 电导模型：建立平纹编织CFRP的纵向（纤维主导）与厚度向（界面接触主导）电流路径
• • 深度学习预测：
• • 数据增强：TimeGAN生成200组合成数据，解决样本稀疏问题（UMAP可视化验证分布一致性）
• • 时空融合网络：GRU-GNN联合处理时序（温度/电阻/应力）与空间特征（多节点数据关联）
• 
  
  
  
  
2. 4. 强效果验证
• • 机械性能：HTV环境50天后强度下降29.89%（HT仅19.89%），振动使损伤加速1.5倍
• • 电阻监测：厚度向电阻增幅达1088倍（HT仅56倍），证实振动对界面损伤的敏感性
• • 预测精度：GRU-GNN在35天老化点预测误差0.68%，远优于SVM（2.17%）和多项式拟合（1.58%）
• 
  
  
  
  

1. 5. 凝练的新见解
• • 损伤竞争机制：二次固化（DSC测Tg升高）短期增强基体，但长期被湿-热-振协同损伤主导
• • 电导方向性律：纵向电阻对纤维断裂敏感，厚度向电阻对界面间隙敏感（式17）
• • 振动核心作用： 振动应力幅值（约 350 m/s²）远超湿热应力（ 约5 MPa），是纤维损伤的主因

✅ 第三层：全局架构与核心精粹

摘要翻译：

应用于航空发动机舱的碳纤维增强聚合物（CFRP）层合板遭受湿-热与振动载荷的耦合老化效应，而现有研究极少考虑此类多物理场耦合条件。本研究开发了新型实验平台，可对CFRP层合板同步施加湿-热-振载荷，结合多尺度数值模拟与深度学习实现精准老化预测。实验受限于成本仅获得离散老化时段弯曲性能数据，数据稀疏导致拟合曲线粗糙。同时，电阻连续监测揭示了显著电导率退化，提供了与纤维完整性相关的渐进损伤信息。为突破数据局限，建立考虑温/湿依赖性的多尺度FEM模型，获取内部应力应变及微观损伤过程；采用TimeGAN增强实验数据集，改进的GRU-GNN捕捉应力/应变与环境参数的时序演化，实现残余力学性能精准预测。验证实验证实其精度超越传统拟合方法。

结论翻译：

本研究通过实验-模拟-AI集成框架探究CFRP层合板在湿-热-振耦合下的老化行为：

1. 1. 设计新型耦合加载平台，证实振动使50天强度损失提升至29.89%（纯湿热环境为19.89%）；
2. 2. 多尺度FEM结合相场法成功模拟基体开裂/纤维脱粘，电阻监测与SEM验证振动引发纤维损伤；
3. 3. GRU-GNN融合电阻与模拟数据，预测误差低至0.68%，外推至90°C/513m/s²工况仍保持趋势一致性。

结构导图（Mermaid）

✅ 第四层：理论基石

核心理论系统讲解

1. 复合材料湿热效应

• • 吸湿动力学：遵循修正Fick模型，两阶段扩散系数（ ,  ）反映振动对孔隙开闭的影响：
• • 阶段Ⅰ：振动开启闭孔→  ，但短暂致密化→ 
• • 阶段Ⅱ：损伤积累→新储水点位→   且 

2. 相场损伤理论

• • 能量泛函最小化：总能量 
• • 刚度退化函数：
• • 断裂能密度：
• • 损伤演化：

  物理直觉：将裂纹扩展视为相场 的扩散过程，避免显式追踪裂纹路径。

3. CFRP电导机制

• • 纵向传导：沿连续纤维路径，等效电阻 对纤维断裂敏感
• • 厚度向传导：依赖正交纱线接触点，界面间隙使接触电阻

✅ 第五层：数理模型与算法逻辑

关键模型深度剖析

1. 宏尺度本构模型

• • 变量意义： 为温度 与湿浓度 依赖的刚度系数，通过25组 配点拟合为连续函数
• 

2. 相场损伤模型

• • 裂纹驱动力 ：取拉伸弹性应变能 ，确保仅拉应力引发损伤
• • 纤维/基体差异：纤维赋予高 （~500 J/m²），基体 ≈50 J/m²

3. GRU-GNN架构

• • 时序编码：GRU层处理 时序，输出隐状态
• • 空间聚合：以 为节点特征构建全连接图，GCN层学习特征关联
• • 预测头：MLP将图嵌入映射为应力-应变曲线

✅ 第六层：工程实现与数据流

数据生命周期图

技术栈说明

• • 实验端：HIOKI® LCR电阻仪，定制湿-热-振平台（COMSOL控制）
• • 模拟端：COMSOL多尺度FEM，相场损伤求解器（隐式时间积分）
• • 算法端：PyTorch实现TimeGAN+GRU-GNN，NVIDIA Quadro P2000训练
• 

✅ 第七层：结果验证与图表解读

全图表解析范式

图7(c)：残余强度衰减对比

图11：电导机制FEM模拟

✅ 第八层：思维洞察

隐含假设：

1. 1. 相场模型预设损伤仅由机械载荷驱动，忽略化学降解（如树脂水解）的直接作用
2. 2. GRU-GNN假设电阻与机械损伤存在全局映射，未考虑局部损伤的屏蔽效应

精妙处理：

• • TimeGAN的物理合理性：合成数据需满足（a）电阻-强度负相关 （b）振动谱与温度谱相位锁定
• • 双向电导监测：利用纵向电阻敏感染料断裂、厚度向电阻敏感层间剥离，实现损伤模式分离

思维转折点：

从“振动仅加速基体损伤”（传统认知）转向“振动主导纤维损伤”：

• • 关键证据：振动应力幅值(~100MPa)，湿热应力（~5MPa）
  
• • 颠覆性结论：航空CFRP长寿命设计需重点抑制纤维疲劳
• 

局限性：

• • 尺度断裂：相场模型未耦合分子尺度的界面水解
• • 外推风险：GRU-GNN在极端工况（>90°C, >60Hz）误差增大至10%

✅ 第九层：知识迁移与拓展

可迁移方法论：

1. 1. 多物理场数据融合范式：实验（稀疏点）+ 物理模拟（连续场）→ TimeGAN生成→ 深度学习预测
2. 2. 损伤敏感特征选择：电阻方向性比率（ ）作纤维/基体损伤判据

复现改进路径：

1. 1. 硬件层面：
• • 增加红外热成像实时监测温度场非均匀性
• • 嵌入FBG传感器验证应变场分布
2. 2. 算法层面：
• • 用PINN约束GRU-GNN输出满足热力学定律
• • 引入图注意力机制（GAT）强化损伤热点识别

未来研究建议：

• • 短时高载工况：模拟起飞/降落阶段的温度/振动瞬变冲击
• • 多材料体系：验证方法在陶瓷基/金属基复合材料的普适性

📌 本论文的通用知识迁移总结

方法论提炼：