基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命

廖兴升 梁智洪 傅继阳 江剑 王财政 张芝芳

Prediction of remaining fatigue life of glass fiber reinforced polymer laminates based on frequency
change
LIAO Xingsheng, LIANG Zhihong, FU Jiyang, JIANG Jian, WANG Caizheng, ZHANG Zhifang
在线阅读 View online: https://doi.org/10.13801/j.cnki.fhclxb.20201215.010

您可能感兴趣的其他文章
Articles you may be interested in

单向碳/碳复合材料拉-拉疲劳寿命及剩余强度预测模型
Model for predicting tension-tension fatigue life and residual strength of unidirectional carbon/carbon composites
复合材料学报. 2018, 35(8): 2293-2301 https://doi.org/10.13801/j.cnki.fhclxb.20171115.004

一种基于复合材料剩余强度的衍生疲劳损伤模型
A derivative fatigue damage model based on residual strength of composites
复合材料学报. 2020, 37(10): 2473-2481 https://doi.org/10.13801/j.cnki.fhclxb.20191224.002

胶层厚度对碳纤维/双马来酰亚胺树脂复合材料平-折-平混合连接接头力学性能的影响
Effect of adhesive thickness on mechanical properties of carbon fiber/bismaleimide resin composite flat-joggle-flat hybrid
(bonded-bolted) joint
复合材料学报. 2020, 37(11): 2825-2832 https://doi.org/10.13801/j.cnki.fhclxb.20200121.003

基于改进粒子群算法的径向基人工神经网络淀粉基发泡复合材料性能预测
Prediction of properties of starch matrix foam composites by radial basis function artificial neural network based on
improved particle swarm optimization
复合材料学报. 2017, 34(12): 2882-2889 https://doi.org/10.13801/j.cnki.fhclxb.20170320.005

基于频率识别纤维增强树脂复合材料加筋板的分层损伤
Frequency-based delamination detection in stiffened fiber reinforced polymer composite plates
复合材料学报. 2019, 36(11): 2614-2627 https://doi.org/10.13801/j.cnki.fhclxb.20190305.004

复合材料高周弯曲疲劳试验与寿命预测
High-cycle bending fatigue and life prediction of composite materials
复合材料学报. 2018, 35(12): 3407-3414 https://doi.org/10.13801/j.cnki.fhclxb.20180319.007
扫码关注微信公众号，获得更多资讯信息
复合材料学报 第 38 卷 第 10 期 10 月 2021 年

Acta Materiae Compositae Sinica Vol. 38 No. 10 Oct 2021

 DOI：10.13801/j.cnki.fhclxb.20201215.010

基于频率变化预测玻璃纤维增强树脂复合
材料层合板的剩余疲劳寿命
 
廖兴升 1, 梁智洪 1, 傅继阳 1, 江剑 1, 王财政 2, 张芝芳 * 1
( 1. 广州大学　广州大学-淡江大学工程结构灾害与控制联合研究中心，广州 510006；2. 清华大学　航天航空学院，北京 100084 )

摘    要 ：复合材料结构在疲劳过程中的累积损伤将导致结构刚度下降，并进一步引起结构的动态参数如频率
发生衰减。因此，可以将结构疲劳状态与结构频率联系起来，基于频率预测结构的剩余疲劳寿命。本文首先
基于复合材料在纵向、横向和面内剪切三个方向的疲劳特性，结合 ABAQUS 与 Umat 子程序开发了三维有限
元模型模拟复合材料层合板中的疲劳损伤演变，并构建了不同疲劳状态下对应的模态分析模型，由此获得了
疲劳过程中的频率衰减曲线。之后，基于疲劳过程的频率变化量训练了人工神经网络，用于预测玻璃纤维增
强复合材料层合板的剩余疲劳寿命。特别地，在当前的数值模型中为每个单元分配了符合高斯正态分布的材
料属性，以模拟实际情况下复合材料性能的离散性。结果表明，疲劳模型数值模拟结果与已有文献的疲劳实
验数据吻合，基于频率变化量训练的人工神经网络可以成功预测玻璃纤维增强复合材料试件的剩余疲劳寿命。
关键词 ：复合材料；疲劳寿命；频率衰减；人工神经网络；离散性；数值模拟
中图分类号: TB332；TQ327.1　　　文献标志码: 　A　　　文章编号: 　1000-3851(2021)10-3323-15

Prediction of remaining fatigue life of glass fiber reinforced

polymer laminates based on frequency change
LIAO Xingsheng1 , LIANG Zhihong1 , FU Jiyang1 , JIANG Jian1 , WANG Caizheng2 , ZHANG Zhifang*1
(1. Guangzhou University-Tamkang University Joint Research Center for Engineering Structure Disaster Prevention and
Control, Guangzhou University, Guangzhou 510006, China; 2. School of Aerospace Engineering,
Tsinghua University, Beijing 100084, China)

Abstract： The cumulative damage in the composite structures during the fatigue process will lead to decrease in
the stiffness of structures. This will further cause the changes in the dynamic parameters of the structure, such as
the frequencies. Therefore, the fatigue status can be related to the frequencies of structures, and inversely, the fre-
quencies can be used to predict the fatigue life of the structures. In this paper, by incorporating Umat subroutines in
ABAQUS, a three-dimensional finite element model was developed to simulate the evolution of fatigue damage in
glass fiber reinforced polymer (GFRP) laminates. The fatigue characteristics of composite materials in the longitud-
inal, transverse and in-plane shear directions have been considered in the model. The fatigue state of the glass fiber
reinforced polymer laminates was exported from the fatigue model and then was imported into a second model to
apply modal analysis for obtaining the frequencies which are corresponding to the fatigue status. An artificial neur-
al network was trained based on the frequency data during the fatigue process, with the frequency shifts as the in-
put and the remaining fatigue life as the output. The training data for ANN was generated from the finite element
(FE) models, based on which the remaining fatigue life of the GFRP laminates was predicted. In particular, to con-

  sider the discreteness of material properties of fiber reinforced polymer (FRP) composite materials, each element in
 
收稿日期：2020–10–08；录用日期：2020–11–30 ；网络首发时间：2020–12–16 14:25:10 
网络首发地址：https://doi.org/10.13801/j.cnki.fhclxb.20201215.010
基金项目：广东省自然科学基金 (2019A1515011116)；广州市“121 人才梯队工程”后备人才项目
通信作者：张芝芳，博士，副研究员，硕士生导师，研究方向为复合材料结构健康监测和疲劳寿命评估　 E-mail：zfzhang@gzhu.edu.cn

引用格式：廖兴升, 梁智洪, 傅继阳, 等. 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 [J]. 复合材料学报, 2021, 38(10): 3323-3337.

LIAO Xingsheng, LIANG Zhihong, FU Jiyang, et al. Prediction of remaining fatigue life of glass fiber reinforced polymer laminates based on
 
frequency change[J]. Acta Materiae Compositae Sinica, 2021, 38(10): 3323-3337(in Chinese).
· 3324 · 复合材料学报

the finite element model (FEM) was individually assigned the material properties randomly distributed in the Gaus-
sian normal distribution. The results show that the numerical simulation results of the present fatigue model are
consistent with the fatigue test data in the existing literature. The trained artificial neural network can successfully
predict the remaining fatigue life of the GFRP laminates.
Keywords：  composite materials；fatigue life；frequency shift；artificial neural network；discreteness；finite ele-
ment model

纤维增强树脂复合材料 (Fiber reinforced poly- 使用复合材料的杨氏模量或是刚度来定量评估疲

mer, FRP) 与传统金属材料相比，具有强度高、刚 劳损伤。姚卫星等 [13] 通过疲劳试验获得了复合材
度大、可设计性强、质量轻、耐腐蚀等诸多优点， 料层合板刚度退化的两参数模型，基于此模型提
广泛应用于航天工程、土木工程、汽车工程等多 出了复合材料结构剩余疲劳寿命监测的剩余刚度
种重要工程领域。在复合材料的使用过程中，若 方 法 。 郭 霞 等 [14] 通 过 对 复 合 材 料 胶 接 结 构 的 拉 -
长期承受循环荷载，则构件中的疲劳损伤是其主 拉疲劳特性进行了试验研究，采用载荷-寿命曲线
要 的 失 效 机 制 之 一 [1]。 FRP 复 合 材 料 中 的 疲 劳 损 疲劳寿命预测方法拟合得到疲劳寿命预测模型。
伤模式主要有：基体开裂、纤维/基体界面脱胶、 Moon 等 [15] 通 过 确 定 等 效 挠 曲 刚 度 的 降 低 与 下 层
分层和纤维断裂。近年来，文献中报道了很多复 板弹性性能的函数关系，在拉伸载荷下发现层压
合材料层压板的累积损伤、疲劳破坏与疲劳寿命 板的固有频率与层压板的疲劳寿命相关，且通过
的 研 究 。 例 如 ， Ellyin 和 El-Kadi[2] 基 于 轴 向 和 径 固有频率的衰减量预测寿命结果较好。
向载荷条件的应变能方法开发了疲劳破坏准则。 综上，目前对复合材料的剩余疲劳寿命预测
Plumtree 和 Cheng[3]，Shokrieh 和 Taheri-Behrooz[4]
除了经典的剩余刚度、剩余强度等模型，已有探
及 VarvaniFarahani 等 [5] 建立了能量准则来预测复
索性工作表明通过模态参数变化也可以预测复合
合 材 料 层 压 板 的 疲 劳 寿 命 。 Shokrieh 和 Lessard[6]
材料的剩余疲劳寿命。然而，这些工作主要依赖
开发了一个三维有限元模型，模拟渐进式疲劳损
于大量的疲劳试验来获取相关数据，然后再拟合
伤模型，其中从实验获得的纵向、横向和剪切疲
得到特定的参数模型来实现对复合材料剩余疲劳
劳特性作为必需参数输入了有限元模型。Lian 和
寿命的预测。由于预测复合材料的剩余疲劳寿命
Yao[7] 考虑了随机正态分布的单元参数，对普通 E
需要做大量的疲劳试验构件，时间和成本较高，
玻璃/环氧树脂进行了三维有限元模拟以预测疲劳
因此本文将从仿真模拟的角度来实现基于频率变
寿命。Naderi 和 Maligno[1] 也考虑了对单元参数随
化预测复合材料构件的剩余疲劳寿命。本文首先
机正态分布开发了三维有限元模型并考虑了分层
建立了疲劳荷载下的复合材料层合板模型及相应
损 伤 来 预 测 渐 进 性 疲 劳 损 伤 和 普 通 碳 /环 氧 层 压
疲劳状态下的模态分析模型，得到了剩余疲劳寿
板 (AS4/3 501-6) 的 疲 劳 寿 命 。 Abo-Elkhier 等 [8] 通
命与模态频率变化之间的对应关系，之后利用神
过对玻璃纤维层压板进行了平面弯曲疲劳实验，
经网络算法来基于模态频率变化反演复合材料的
并在疲劳过程中同步进行了模态测试，结果表明，
模态参数的变化行为符合复合材料结构的疲劳状 剩余疲劳寿命。本文的特色还在于，疲劳仿真模

态，为疲劳寿命的评估提供了一种可能的手段， 型中考虑了复合材料属性的离散性，模拟了实际
即通过将固有频率、阻尼比等模态参数与疲劳寿 复合材料层合板由于原材料、成型过程中的不确
命相关联得到对应的拟合曲线，然后从模态参数 定因素等导致的材料性能离散。采用文献中的实
的变化来反演疲劳寿命。李丹卉 [9] 通过研究固有 验数据对所建立的疲劳仿真模型进行了验证。与
频率对复合材料层合板疲劳过程中微观结构变化 疲劳状态对应的模态频率则主要通过将疲劳模型
的响应，实现了对复合材料疲劳行为的表征与量 中的单元刚度折减参数导入模态分析模型来实现。
化，并以试验数据为基础拟合了固有频率疲劳衰 相比通过大量疲劳试验来获取数据，本文主要通
减模型，并基于该模型对层合板的疲劳寿命进行 过仿真模拟研究了复合材料剩余疲劳寿命与模态
预测。卢翔等 [10]
基 于 Hahn 和 Tsai [11]
提出的单向 频率之间的关联，并基于这种关联提出了一种结
损伤模型建立了疲劳过程中的刚度递降关系，运 合人工神经网络来预测复合材料剩余疲劳寿命的
用此关系预测了构件的疲劳寿命。王德等 [12]
提出 新方法。
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3325 ·

1    GFRP 层合板疲劳仿真模型的建立 另一端施加对应疲劳应力水平下的拉-拉循环荷载。

本文的疲劳仿真模型的建模流程如图 1 所示。 参考文献 [16-17] 提出的疲劳假设，在一个循环周
 
 
期里只需考虑最大或最小应力情况下结构的应力
Start 状态，因此，本文模型采用一端固定，另一端施
加的拉-拉恒幅载荷，其幅值为当前应力水平下的
疲劳载荷最大值。同时，为了导出固定端的反力
Random distribution 和荷载端的位移以求得疲劳过程中试件的刚度变
of material properties
化，在 GFRP 层合板段的两端设置了耦合节点。

Stress analysis
Gradual
degradation of
Exporting
material
 
 

parameters for
laminate’s properties
modal analysis

Hashin
failure criterion
Increase in
number of cycles z
x

No
Element fails?
y
z

Yes 图 2    玻璃纤维增强树脂复合材料 (GFRP) 层

合板疲劳退化区域的有限元模型
Sudden degradation of Fig. 2    FEM of fatigue degradation zone of glass
laminate’s properties
fiber reinforced polymer (GFRP) plate
 
1. 2    材料属性的随机正态分布参数处理
No 由于初始缺陷、杂质、表面损坏等因素，即
Specimen fails?
使同一批次生产的 FRP 试件之间也存在材料性能
Yes 上的差异，导致 FRP 疲劳性能分散性较大。文献 [7]
通 过 试 制 了 一 批 GFRP 试 件 ， 并 对 试 件 进 行 了 力
Stop
学性能测试，得到了试件杨氏模量、强度值与变
图 1    疲劳模型模拟流程
异系数，根据其实测的离散指标，在模型中将随
Fig. 1    Simulation scheme of fatigue model
  机正态分布的杨氏模量与强度值赋予给各个单元，
1. 1    GFRP 层合板建模 从 而 实 现 相 同 尺 寸 和 铺 层 的 GFRP 试 件 在 单 元 级
本文疲劳仿真模型采用的几何尺寸、材料参 别上的性能差异，导致试件在不同循环数下发生
数、边界条件及用于验证的疲劳实验数据均来自 断裂。
文 献 [7]。 采 用 大 型 通 用 有 限 元 软 件 Abaqus 创 建 本文建模时，通过 Python 语言生成含有 8 160
了 玻 璃 纤 维 增 强 树 脂 复 合 材 料 (Glass fiber reinfo- 个材料参数的随机正态分布数组，对应于模型中的
rced polymer, GFRP) 层 合 板 模 型 ， 如 图 2 所 示 。 8 160 个单元，将材料参数数组编写入 Umat 子程
GFRP 层 合 板 的 尺 寸 为 51 mm×20 mm×2.66 mm， 序中自动赋予给每一个单元。同时，为了避免可
铺层角度分别为 [0]8、[90]8、[0/90/90/0]S、[45/−45/ 能引起局部非正应力分布的载荷或边界条件的影
45/−45]S、 [45/0/0/−45]S、 [45/90/−45/0]S。 需 要 指 响 ， 在 GFRP 层 合 板 的 左 右 两 端 各 取 五 列 单 元 ，
出 的 是 ， 此 模 拟 的 GFRP 层 合 板 仅 为 标 准 疲 劳 试 设 置 其 强 度 值 较 大 [7]。 之 后 通 过 Abaqus 与 Umat
件 中 部 的 有 效 疲 劳 段 (即 主 要 的 疲 劳 退 化 区 域 )， 子 程 序 进 行 应 力 分 析 ， 由 于 在 Umat 子 程 序 里 建
已减去两端加强片部分的板长。模型采用的单元 有复合材料的本构模型，在读取到每个单元的材
类型为 C3D8R。共 8 160 个单元。模型一端固定， 料参数后可进行本构计算。
· 3326 · 复合材料学报

1. 3    失效准则 量；上标 F 表示疲劳一定次数后的强度。如果单

现有的失效准则一般是经验性的 [18]
，学界已 元的应力分量符合上述所列的方程，就认定该单
提出了许多静态破坏准则来预测复合材料的破坏 元产生了与之相应的损伤情况。
范围，例如最大应力/应变准则、Tsai–Hill 准则、 除了上述所提判断单元的失效准则之外，要
Tsai–Wu 准则、Hashin 准则等，并且几乎所有的这 准确预测复合材料构件的疲劳寿命，还需判断构
些静态破坏准则都已扩展应用到疲劳领域。Hashin 件的整体失效，即将最终构件失效时候的状态所
和 Rotem[19] 用 Hashin 准则将极限强度替换为相应 对应的循环周期数定义为结构的疲劳寿命。Chang
的残余强度，并成功预测了玻璃/环氧树脂复合材 等 [25] 在预测含孔复合材料层合板的剩余强度时采
料 的 疲 劳 破 坏 。 Sims 和 Brandon[20] 将 Tsai-Hill 准 用的总体破坏判据为，当发生纤维断裂的单元沿
则扩展为疲劳准则并预测了玻璃纤维和石墨纤层 垂直载荷方向扩展到板边时即认为发生了整体破
合板的疲劳失效行为。Francis [21]
以同样的方式使 坏，并通过与试验结果进行比较，验证了其合理
用希尔的各向异性破坏准则。Philippidis 和 Vassilo- 性。本文采用该判断依据作为层合板的总体破坏
poulos [22]
修 改 了 Tsai-Wu 张 量 理 论 ， 并 将 其 扩 展 判据。
到 疲 劳 失 效 张 量 多 项 式 (FTPF)。 Shokrieh[6, 23] 和 1. 4    材料刚度与强度渐降模型

Tserpes 等 [24] 开 发 并 应 用 了 改 进 的 三 维 Hashin 疲 本文采用廉伟和姚卫星 [26] 提出的剩余刚度和

劳破坏准则。 剩余强度关联模型。该模型的表达式：

本 文 采 用 Tserpes 等 [24] 提 出 的 包 括 七 种 主 要 剩余刚度模型：

( ) ( )v 
损伤模式的失效准则，失效准则如下： ( )  n u + a n 
Er Erc  N N 
(1) 纤维拉伸损伤疲劳准则 (σ11 ⩾ 0 )： = 1− 1−   (1)
E0 E0  1+a 
 
 σ11 2
Df t =  F  ⩾ 1 剩余强度模型：
XT
 ( n )u ( n )v w
 
(2) 纤维压缩损伤疲劳准则 (σ11 < 0)：  N + a N 
  S r = S 0 − (S 0 − S rc )    (2)
 σ11 2  1+a 
Dfc =  F  ⩾ 1

XC
其 中 ： n为 疲 劳 循 环 次 数 ； N 为 疲 劳 寿 命 ； E 0 为
(3) 基纤剪切损伤疲劳准则 (σ11 < 0)：
初始刚度； Er为剩余刚度； Erc为材料失效时的临
   2  2
 σ11 2  σ12   σ13  界剩余刚度； S 0为材料的静强度； S r为剩余强度；
Dmf =  F  +  F  +  F  ⩾ 1
XC S 12 S 13 S rc为失效时的临界剩余强度。其中： E0 、Er 、S 0 、
(4) 基体拉伸开裂损伤疲劳准则 (σ22 ⩾ 0 )： S r可通过试验获得； Erc可由试验最后阶段的记录
   2  2 数据计算出来； S rc的确定较困难，但一般认为当
 σ22 2  σ12   σ23 
Dmt =  F  +  F  +  F  ⩾ 1
     剩余强度等于所加外载时失效发生，故 S rc =σmax 。
YT S 12 S 23
利 用 式 (1)、 式 (2) 对 疲 劳 模 拟 过 程 中 疲 劳 模
(5) 基体挤压开裂损伤疲劳准则 (σ22 < 0)：
      型单元的材料参数进行折减，其中的材料参数 u、
 σ22 2  σ12 2  σ23 2 v、a、w 由复合材料纵向、横向、剪切方向的剩
Dmc =  F  +  F  +  F  ⩾ 1
YC S 12 S 23 余刚度曲线确定。
(6) 拉伸分层损伤疲劳准则 (σ33 ⩾ 0 )： 1. 5    刚度突降准则
     2 单元的失效模式可以由 Hashin 疲劳失效准则
 σ33 2  σ13 2  σ23 
Ddt =  F  +  F  +  F  ⩾ 1
    
来判定，当单元发生某一种失效模式时，材料的
ZT S 13 S 23
刚度应根据失效模式的不同进行突降。在疲劳模
(7) 压缩分层损伤疲劳准则 (σ33 < 0 )：
   2  2 型与模态分析中，刚度不能设置为绝对 0 值，因
 σ33 2  σ13   σ23  为 模 型 中 会 出 现 负 的 特 征 值 而 导 致 终 止 计 算 [16]，
Ddc =  F  +  F  +  F  ⩾ 1
  
ZC S 13 S 23 所以对 Camanho 等 [27] 材料突降模型进行了改进，
式中：σij 为各单元与材料主方向相对应的应力分 其改进后的材料参数突降模式如表 1 所示。
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3327 ·

表 1    材料参数突降方案
Table 1    Degradation scheme of material parameters
 
Failure mode Parameter degradation scheme

Fiber tensile failure E11, E22 , G12 , G13 , G23 , ν12 , ν13 , ν23 reduced to 0.07 times the initial value
Fiber compressive failure E11, E22 , G12 , G13 , G23 , ν12 , ν13 , ν23 reduced to 0.14 times the initial value
Matrix tensile failure E22 , G12 , G23 reduced to 0.2 times the initial value
Matrix compression failure E22 , G12 , G23 reduced to 0.4 times the initial value
Fiber/matrix shear failure G12 . ν12 reduced to 0.2 times the initial value
Delamination failure E33, G13 , G23 , ν13 , ν23 reduced to 0.2 times the initial value
Notes: E11, E22, E33−Young’s moduli; G12, G13, G23−Shear moduli; ν11, ν12, ν23−Poisson’s ratios.

2    GFRP 层合板疲劳模型的验证 [90]8:

为验证本文建立的层合板疲劳累积损伤模型，  ( )0.9 0.7
 s − 0.4 
采用文献 [7] 中的 GFRP 疲劳实验结果进行了验证。 
lg N = 6.01 −  (5)
0.6
文献中采用的铺层形式一共有六种，分别是 [0]8、
[45/−45/45/−45]S:
[90]8、[0/90/90/0]S、[45/−45/45/−45]S、[45/0/0/−45]S、
 ( )0.55 1.3
[45/90/−45/0]S。 其 中 [0]8、 [90]8、 [45/−45/45/−45]S  s − 0.33 
lg N = 2.269 + 3.3711 −  (6)
实验结果得到可以预测任意铺层角度有限元模拟 0.41
所需要的材料参数，通过模拟验证这六种层合板 同时用不同应力水平下的纵向、横向、剪切
构 件 的 S-N 曲 线 (疲 劳 应 力 水 平 -对 数 疲 劳 寿 命 曲 方 向 的 剩 余 刚 度 试 验 数 据 拟 合 用 于 确 定 式 (1) 和
线) 与剩余刚度曲线来说明疲劳模型验证的准确 式 (2) 中的材料参数 u、v、a、w，见表 3 所示。
性 。 其 六 种 构 件 的 静 拉 伸 强 度 值 见 表 2。 应 力 水  
 

平 s 的定义为 表 3    GFRP 层合板剩余刚度-剩余强度关联模型参数[7]

σmax Table 3    Parameters for the correlated model of the
s= (3) remaining stiffness-remaining strength[7] for GFRP laminate
S0  
Parameter Magnitude
其中： σmax 为疲劳循环荷载的峰值； S 0为对应铺
u 0.8
层角度的层合板的静强度值。 v 60
 
 
Longitudinal
a 0.25
表 2    GFRP 层合板试件的铺层角度与静拉伸强度[7] E11rc/E110 0.95
Table 2    Layup and static tensile strength of w 1.2s2−1.85s+0.85
  GFRP laminate specimens[7] u 0.6
Sample No. Stacking sequence Strength/MPa Transverse v 2
a 80
A [0]8 900
E22rc/E220(E33rc/E330) 0.9
B [90]8 36
w 1.57s2−2.43s+1.12
C [0/90/90/0]S 470
u 0.5
D [45/−45/45/−45]S 118
v 0.3
E [45/0/0/−45]S 592 Shear
a 15
F [45/90/−45/0]S 372
G12rc/G120 0.3
 
w 10.86s2−16.2s+7.3
2. 1    模拟参数的确定 Note: E11rc/E110, E22rc/E220 (E33rc/E330), G12rc/G120−Ratio of critical
要得到任意铺层下复合材料的疲劳寿命，一 residual stiffness to initial stiffness along longitudinal, transverse
and shear direction, respectively.
般须先得到复合材料的横向、纵向、剪切方向的
 
S-N 曲 线 以 用 于 确 定 模 拟 中 单 元 的 疲 劳 寿 命 。 文
2. 2    随机正态分布 [0]8 GFRP 层合板构件的结果与
献 [7] 对这三个方向拟合的 S-N 曲线表达式见下列
讨论
各式：
对于一般实验构件，每个构件都有性能上的
[0]8:
 ( 差异，本文通过对无材料参数正态分布与有材料
)0.92 0.7
 s − 0.4  参数正态分布的 [0]8 层合板在 0.6 疲劳应力水平下

lg N = 6.31 −  (4)
0.6 的疲劳模拟，进行对比，说明材料参数正态分布
· 3328 · 复合材料学报

对构件性能上的影响。 2. 3    GFRP 层合板疲劳模型模拟结果与验证

未进行正态分布的疲劳模型，在模拟过程中，在 以 上 六 种 试 件 的 S-N 曲 线 和 剩 余 刚 度 曲 线 仿
第 39 000 个循环数下 (在模拟过程中设置 1 个增量 真 结 果 与 文 献 [7] 中 的 实 验 数 据 对 比 结 果 分 别 如
步为 1 000 个循环数) 开始发生纤维断裂，如图 3(a) 图 5 和 图 6 所 示 。 其 中 Exp_log 和 Num_log 分 别
所 示 。 在 40 000 个 循 环 数 下 发 生 最 终 断 裂 ， 如 表 示 试 验 和 模 拟 的 对 数 疲 劳 寿 命 点 ， Exp_Avg 和
图 3(b) 所示。浅色区域为经过失效准则判断的纤 Num_Avg 分 别 表 示 试 验 和 模 拟 的 均 值 寿 命 曲 线 ，
维断裂单元。材料参数进行正态分布的疲劳模型， Exp s=0.8 表 示 0.8 应 力 水 平 下 试 验 的 剩 余 刚 度 数
在模拟过程中，在第 28 000 个循环数下开始发生 据点，Num s=0.8 表示 0.8 应力水平下模拟的剩余
纤维断裂，如图 4(a) 所示。在 31 000 个循环数下 刚度曲线。其他应力水平下的标注类同。
发生最终断裂，如图 4(b) 所示。可以看出，对单 从 图 5 可 以 看 出 ， 图 5(b)、 图 5(d)、 图 5(e)、
元进行分配正态分布的材料参数会影响构件断裂 图 5(f) 铺层角度的层合板在高应力水平下其疲劳
时的循环数与初始断裂的位置。 寿命模拟的平均数值偏小，可能的原因是强度随
 
 

机分配更加分散，导致有些单元强度过低，致使
单元提前达到破坏准则。六种铺层角度的层合板
模拟的随机疲劳寿命点与实验的疲劳寿命点整体
上较吻合，而且模拟的疲劳寿命均值线与实验数
据均值线整体上也较吻合。
从 图 6 可 以 看 出 ， 图 6(a)、 图 6(b)、 图 6(d)
(a) 39 000 fatigue cycles 层合板的有限元模拟的剩余刚度曲线与实验数据
较吻合。图 6(c) 层合板的疲劳仿真数据和实验数
据中，疲劳载荷相对较高，因此 90°层在所有应力
水平下的第一个循环都失效了，之后由 0°层控制
了 疲 劳 过 程 。 图 6 (c) 层 合 板 在 两 种 应 力 水 平 下 ，
模拟的剩余刚度值偏高。图 6 (e) 层合板在高应力
水 平 下 ， ±45°层 的 基 体 直 接 失 效 ， 因 此 模 型 的 剩
(b) 40 000 fatigue cycles
余刚度转折点在应力水平 s=0.8 时，即剩余刚度等
图 3    [0]8 GFRP 层合板未进行正态分布的疲劳模型
Fig. 3    Fatigue model without normal distribution of [0]8 GFRP laminates
于 0.87 时，实验数据显示出逐渐退化的趋势。在
 
低 应 力 水 平 下 ， 疲 劳 损 伤 不 断 累 积 ， 可 导 致 ±45°
 
 

层的基体发生破坏。由于疲劳过程中应力的重新
分 布 ， 0°层 中 的 应 力 变 得 越 来 越 高 ， 0°层 控 制 了
疲劳过程的后期及层压板的最终破坏，模拟的剩
余刚度值偏低。图 6 (f) 层合板模型所得的仿真剩
余刚度曲线与实验数据对比发现，疲劳过程中的
退化趋势一致，但数值相差较大。可能是由于疲
(a) 28 000 fatigue cycles
劳模拟过程中虽然有分层现象产生，但影响分层
的层间强度的渐降规律与实际情况有些偏差，导
致在高应力水平下大面积扩展而低应力水平下并
没有大面积扩展，导致剩余刚度曲线偏差较大。
从上述六种层合板的模拟结果可以看出，通
过横向、纵向、剪切方向疲劳试验数据，预测

(b) 31 000 fatigue cycles

[0]8、[90]8、[0/90/90/0]S、[45/−45/45/−45]S、[45/0/0/
图 4    [0]8 GFRP 层合板进行正态分布的疲劳模型 −45]S、[45/90/−45/0]S 层合板中，预测 [0]8、[90]8、
Fig. 4    Normally distributed fatigue model of [0]8 GFRP laminates [0/90/90/0]S、[45/−45/45/−45]S、[45/0/0/−45]S 的疲
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3329 ·

0.85
(a) [0]8 Exp_log (b) [90]8 Exp_log
0.80 0.8

Maximum stress /Strength (σmax/S0)

Maximum stress /Strength (σmax/S0)

Num_log Num_log
Exp_Avg Exp_Avg
0.75 Num_Avg Num_Avg
0.7
0.70
0.65
0.6
0.60
0.55
0.5
0.50
0.45 0.4
0.40
2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 2 3 4 5 6
Fatigue life lgN Fatigue life lgN

(c) [0/90/90/0]S Exp_log (d) [45/−45/45/−45]S

0.8 0.8 Exp_log
Num_log
Maximum stress /Strength (σmax/S0)
Maximum stress /Strength (σmax/S0)

Num_log
Exp_Avg Exp_Avg
Num_Avg Num_Avg
0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0
Fatigue life lgN Fatigue life lgN

0.85
(e) [45/0/0/−45]S (f) [45/90/−45/0]S
Exp_log 0.8 Exp_log
0.80 Num_log Num_log
Maximum stress /Strength (σmax/S0)
Maximum stress /Strength (σmax/S0)

Exp_Avg Exp_Avg
0.75 Num_Avg Num_Avg
0.7
0.70
0.65 0.6
0.60
0.5
0.55
0.50
0.4
0.45
0.40 0.3
2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 2 3 4 5 6
Fatigue life lgN Fatigue life lgN
图 5    六种铺层 GFRP 层合板的 S-N 曲线

 
Fig. 5    S-N curves of six types of GFRP laminates

劳寿命与剩余刚度曲线较好，编号为 [45/90/−45/0]S 果结构存在非线性，一般不能采用基于振型叠加

的剩余刚度曲线偏差较大。 法 求 解 结 构 的 动 态 响 应 ； 而 基 于 Umat 子 程 序 的
疲劳分析属于非线性分析，故疲劳模型和模态分
3    模态模型及预测 GFRP 层合板剩余寿命 析模型分属不同模块，不能采用同一个模型来进
3. 1    GFRP 层合板模态模型的建立 行疲劳和模态分析。因此，需要就疲劳分析和模
Abaqus 模态分析模块属于线性分析模块，如 态分析分别建模，先进行疲劳分析，之后导出特
· 3330 · 复合材料学报
 

1.00 1.0
(a) [0]8 (b) [90]8
0.95
0.9

Residual stiffness (Er/E0)

Residual stiffness (Er/E0)

0.90

0.85 0.8

0.80
Exp s=0.8 0.7 Exp s=0.8
Exp s=0.6 Exp s=0.5
0.75 Num s=0.8
Sim s=0.8
Sim s=0.6 Num s=0.5
0.70 0.6
0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
Life ratio n/N Life ratio n/N

1.0
(c) [0/90/90/0]S 1.0
(d) [45/−45/45//45/]S
0.9
0.8 0.8
Residual stiffness (Er/E0)

Residual stiffness (Er/E0)

0.7
0.6 0.6
0.5
0.4 0.4
0.3
Exp s=0.8 Exp s=0.8
0.2 Exp s=0.6 0.2 Exp s=0.5
Num s=0.8 Num s=0.8
0.1 Num s=0.6 Num s=0.5

0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
Life ratio n/N Life ratio n/N

1.0 1.0
(e) [45/0/0/−45]S (f) [45/90/−45/0]S
0.9 0.9
0.8 0.8
Residual stiffness (Er/E0)

Residual stiffness (Er/E0)

0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
Exp s=0.8 Exp s=0.8
0.2 Exp s=0.53 0.2 Exp s=0.55
Num s=0.8 Num s=0.8
0.1 Num s=0.53 0.1 Num s=0.55

0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
Life ratio n/N Life ratio n/N
图 6    六种 GFRP 层合板的剩余刚度曲线

 
Fig. 6    Residual stiffness curves of six types of GFRP laminates

定 循 环 数 下 的 疲 劳 状 态 (各 单 元 的 渐 降 或 突 降 后 性越好。本文对 [0]8 层合板试件的模态频率进行

的材料参数)，再导入模态分析模型中计算频率。 了 收 敛 性 分 析 ， 分 别 对 层 合 板 以 长 宽 为 1 mm 划
模 态 分 析 的 建 模 流 程 见 图 7。 模 态 模 型 网 格 划 分 分 一 个 单 元 (共 21 140 个 单 元 ) 与 长 宽 为 0.5 mm
的疏密程度会影响计算的精度与计算的时间。网 划分一个单元 (共 81 800 个单元) 进行了前八阶弯
格划分越精密，模型计算精度越高，模型的稳定 曲 模 态 的 对 比 ， 模 型 如 图 8(a)、 图 8(b) 所 示 ， 振
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3331 ·

型 如 图 9 所 示 ， 计 算 结 果 见 表 4。 需 特 别 指 出 的
Mode 1
是，模态分析对象是完整的 GFRP 层合板 (不局限 699.40
于疲劳试验段)，因此补齐了两端的加强片与其下 Hz

覆 盖 的 GFRP 层 合 板 。 加 强 片 为 铝 片 ， 其 材 料 参
数见表 5 所示。采用的材料参数为未进行正态分 Mode 2
2 379.6
布的材料参数模拟出的频率。 Hz
 
 

The material properties

of each element after Mode 3
Fatigue
every load cycle 5 669.0
analysis
exported by Hz
model
umat subroutine
built in
abaqus
Mode 4
Material 10 141.0
properties of Hz
Modal each element
analysis after certain
model built load cycles
Generate Mode 5
in abaqus were imported
abaqus inp 14 241.0
with material by python to Run the updated
files Hz
properties of replace the inp file to get the
each element material modal frequency
defined parameters
individually of the Mode 6
by python corresponding 18 097.0
scripts element in the Hz
abaqus inp
file
图 7    模态模型建模流程 Mode 7
23 443.0
Fig. 7    Built-up process of FE model for modal analysis Hz
 
 
 

Mode 8
29 688.0
Hz

图 9    [0]8 GFRP 层合板振型图

(a) Total number of elements: 21 140
 
Fig. 9    [0]8 Vibration shape diagram of GFRP laminate

入的材料参数)。加强片铝片的材料参数值在模态
分析时不随循环次数的不同而变化。模态分析模
(b) Total number of elements: 81 800 型如图 10 所示 (不同颜色代表赋予单元不同的材
图 8    不同分网密度下的 [0]8 GFRP 层合板 料参数)。
Fig. 8    GFRP plate ([0]8) with different mesh densities
  3. 2    GFRP 层合板模态模型模拟结果
从 表 4 可 以 看 出 21 140 个 单 元 已 经 可 以 满 足 华宏星等 [28] 基于一个反向传播神经网络，利
收敛性要求，从而采用图 8(a) 所示的网格划分。 用正交各向异性板的动态特性 (固有频率) 识别复
因为层合板疲劳模拟的时候中间疲劳部分初 合 材 料 板 刚 度 。 Moon 等 [15] 通 过 公 式 推 导 模 态 频
始材料参数采用的是正态分布后的材料参数，所 率和拉伸刚度之间存在等价关系，并使用归一化
以疲劳一定次数后的模态模型中加强片覆盖的 的模态频率的平方预测复合材料的疲劳寿命，类
/
GFRP 层 合 板 段 的 单 元 材 料 参 数 同 样 为 正 态 分 布 似地，本文定义剩余频率为 F = fn2 f02，定义剩余
参数，模态分析时其材料参数值不随循环次数的 疲 劳 寿 命 Nr = 1 − n/N 。 其 中 f0为 未 疲 劳 循 环 时 的
不同而变化。而中间疲劳部分层合板的单元材料 初始模态频率； fn为经历了 n 次疲劳循环后的模
参 数 随 着 循 环 数 的 不 同 而 变 化 (从 疲 劳 模 型 中 导 态频率。n 为疲劳循环次数，N 为疲劳寿命。图 11~
· 3332 · 复合材料学报
 

表 4    不同分网下 GFRP 层合板的模态频率

Table 4    Modal frequencies of GFRP laminate under different mesh densities
 
Mode No. 1 mesh density-21 140 elements/Hz 2# mesh density -81 800 elements/Hz Discrepancy between 1# and 2# mesh density/%
#

1 699.4 699.32 0.01

2 2 379.6 2 378.4 0.05
3 5 669 5 664.8 0.07
4 10 141 10 136 0.05
5 14 241 14 240 0.01
6 18 097 18 091 0.03
7 23 443 23 426 0.07
8 29 688 29 676 0.04

表 5    铝片的材料参数 4. 2    训练数据介绍

 
Table 5    Material parameters of aluminum 目前 BP 神经网络广泛应用于复合材料的设计、
Elastic Poisson's Density/ 工艺优化、性能预测、损伤检测及预测等方面 [31]。
Material
modulus/MPa ratio (g·cm−3)
Aluminum 70 000 0.32 2.7 因 为 BP 神 经 网 络 对 于 参 数 间 的 多 重 相 关 性 并 不
 

 
1.00

0.98
Residual frequency F

0.96

图 10    GFRP 层合板模态分析模型 0.94

Fig. 10    FE model for modal analysis of GFRP laminate Mode 1
0.92 Mode 2
 

Mode 3
16 为 在 特 定 的 应 力 水 平 下 (与 前 文 模 拟 的 剩 余 刚 0.90 Mode 4
Mode 5
度曲线有相同的应力水平)，六种铺层的 GFRP 层 Mode 6
0.88 Mode 7
合板的归一化剩余频率 F 与循环次数 n/N 之间的 Mode 8
0.86
曲线。 0 0.2 0.4 0.6 0.8 1.0
从 图 11、 图 12、 图 14、 图 15、 图 16 可 以 看 Life ratio n/N

出，高阶频率对于损伤较敏感。图 13 可以看出低 图 11    [0]8 层合板 0.6 应力水平下剩余频率曲线

阶频率对于损伤较敏感。从以上特定应力下层压 Fig. 11    Residual frequency curves of

[0]8 laminate under 0.6 stress level
板的剩余频率曲线与前文疲劳模拟的对应应力水  

平下的剩余刚度曲线可以看出两者的下降趋势一
 

1.00
致。说明剩余频率曲线与剩余刚度曲线类似，都 0.96
可以反映复合材料疲劳过程的三个阶段 [29]。
Residual frequency F

0.92

4    神经网络算法预测 GFRP 层合板剩余疲劳 0.88

寿命 0.84
4. 1    BP 神经网络 Mode 1
0.80 Mode 2
BP 神经网络是通过采用误差的反向传播方式 Mode 3
0.76 Mode 4
对各层的权值进行动态调整的多层前馈神经网络， Mode 5
0.72 Mode 6
主要由输入层、隐藏层，输出层构成，隐藏层可 Mode 8
为一层或者多层。Hecht-Nielsen[30] 已经证明，只有 0.68
0 0.2 0.4 0.6 0.8 1.0
当目标为不连续函数时，BP 神经网络才需两个或 Life ratio n/N
以上的隐藏层，否则只需一个隐藏层就可实现对 图 12    [90]8 层合板 0.5 应力水平下剩余频率曲线

任意连续函数的逼近。因为预测的剩余疲劳寿命 Fig. 12    Residual frequency curves of

为连续函数，所以此处采用 3 层的 BP 神经网络结构。  
[90]8 laminate under 0.5 stress level
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3333 ·

   

1.0 1.0

0.9
0.8
Residual frequency F

Residual frequency F
0.8

0.7 0.6
Mode 1
Mode 2
0.6 Mode 3 Mode 1
Mode 4 Mode 2
Mode 5 Mode 3
0.4 Mode 4
0.5 Mode 6 Mode 5
Mode 7 Mode 6
Mode 8 Mode 7
0.4 Mode 8
0 0.2 0.4 0.6 0.8 1.0 0.2
0 0.2 0.4 0.6 0.8 1.0
Life ratio n/N
Life ratio n/N
图 13    [45/−45/45/−45]S 层合板 0.5 应力水平下剩余频率曲线
图 16    [45/90/−45/0]S 层合板 0.55 应力水平下剩余频率曲线
Fig. 13    Residual frequency curves of [45/−45/45/−45]S
Fig. 16    Residual frequency curves of [45/90/−45/0]S
 
laminate under 0.5 stress level
 

laminate under 0.55 stress level

1.0  

敏感，所以本文采用 Matlab 里面的神经网络工具

0.9
箱对复合材料层合板的剩余寿命进行预测。以下
Residual frequency F

编号为 1#~4#的 [0]8 层合板剩余频率 F 随归一化循

0.8
环数 n/N 变化数据,是由对层合板的初始正态分布
Mode 1 材料参数的不同而得到的。本文以 [0]8 试件 0.6 应
0.7
Mode 2
Mode 3 力水平下模拟的 4 块层合板为例，其模拟的最终
Mode 4
0.6 Mode 5 疲劳寿命如表 6 所示。模拟的剩余频率曲线见图 17。
Mode 6 从表 6 可以看出层合板的疲劳寿命具有一定
Mode 7
0.5 的离散性，这是疲劳模拟时使用正态分布材料参
0 0.2 0.4 0.6 0.8 1.0
数 的 结 果 。 1#和 2#层 合 板 的 疲 劳 寿 命 恰 好 相 等 ，
Life ratio n/N
但是其剩余频率曲线却不同，可能原因是未疲劳
图 14    [0/90/90/0]S 层合板 0.6 应力水平下剩余频率曲线
时的材料参数分布不同，导致疲劳过程中损伤发
Fig. 14    Residual frequency curves of [0/90/90/0]S laminate
 

 
under 0.6 stress level 生的部位不同，对构件的模态频率影响不同，但
1.0
最终却导致了同一循环数下的断裂。
0.9 4. 3    BP 神经网络模型的建立
文 献 [30] 已 经 证 明 ： 对 于 任 何 非 线 性 映 射 问
0.8
Residual frequency F

题，含有 3 层结构的 BP 神经网络都可以实现逼近。

0.7 因此采用输入层、单隐藏层和输出层的 3 层神经
Mode 1 网 络 拓 扑 结 构 ， 以 1-8 阶 归 一 化 的 剩 余 频 率 F 作
0.6
Mode 2
Mode 3 为预测模型的输入参数，构建预测剩余寿命 Nr 模
0.5 Mode 4
Mode 5 型。因为输入数据与输出数据分别为 8 维与 1 维，
Mode 6 所以可确定输入结点数与输出结点数分别为 8 个
0.4 Mode 7
Mode 8 与 1 个。隐藏层的节点数一般通过经验公式H =
0.3  

0 0.2 0.4 0.6 0.8 1.0

表 6    [0]8 层合板 0.6 应力水平下最终寿命
Life ratio n/N
Table 6    Fatigue life of [0]8 laminate under 0.6 stress level
图 15    [45/0/0/−45]S 层合板 0.53 应力水平下剩余频率曲线  
Number 1# 2# 3# 4#
Fig. 15    Residual frequency curves of [45/0/0/−45]S
laminate under 0.53 stress level
Fatigue life 36 000 36 000 33 000 25 000
 
· 3334 · 复合材料学报
 

1.00
1.00 (b) Laminate 2#
(a) Laminate 1#
0.98 0.98

Residual frequency F
0.96
Residual frequency F

0.96

0.94 0.94
Mode 1 Mode 1
0.92 Mode 2 0.92 Mode 2
Mode 3 Mode 3
Mode 4 0.90 Mode 4
0.90 Mode 5 Mode 5
Mode 6 Mode 6
0.88 Mode 7 0.88 Mode 7
Mode 8 Mode 8
0.86 0.86
0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
Life ratio n/N Life ratio n/N

1.00
1.00 (d) Laminate 4#
(c) Laminate 3#
0.98
Residual frequency F 0.98

0.96
Residual frequency F

0.96

0.94 0.94
Mode 1 Mode 1
0.92 Mode 2 0.92 Mode 2
Mode 3 Mode 3
Mode 4 0.90 Mode 4
0.90 Mode 5
Mode 5
Mode 6 Mode 6
0.88 Mode 7 0.88 Mode 7
Mode 8 Mode 8
0.86 0.86
0 0.2 0.4 0.6 0.8 1.0 0 0.2 0.4 0.6 0.8 1.0
Life ratio n/N Life ratio n/N
图 17    1#~4#GFRP 层合板剩余频率曲线

 
Fig. 17    Residual frequency curves of GFRP laminate 1#~4#

√
I + O + X 确 定 。 其 中 H 为 BP 神 经 网 络 所 需 的 隐
 

Hidden layer
藏层节点数，I 为输入层的节点数，O 为输出层 Input layer
的 节 点 数 ， X={1,2,···,10}， 可 得 H 的 取 值 范 围 为 F1
{4,5,···,13}。 将 由 经 验 公 式 所 确 定 的 隐 藏 层 节 点 数
Output layer
H 代入 BP 神经网络模型中试算，经试算可得当隐
F2
藏 层 节 点 数 为 10 时 ， BP 神 经 网 络 预 测 模 型 的 误
Nr
差效果能较好地满足预期。最终神经网络拓扑结
…

构 如 图 18 所 示 。 其 中 输 入 层 {F1,F2,···,F8}输 入 的 是
…

1-8 阶 的 归 一 化 的 纯 弯 剩 余 模 态 频 率 ， 隐 藏 层 设 F8
置了 10 个神经元，输出层 Nr 值为剩余疲劳寿命。
4. 4    GFRP 层合板预测模型的训练与结果
图 18    GFRP 层合板神经网络结构图
为了使建立的 BP 神经网络预测模型有良好的
Fig. 18    Neural network structure diagram of GFRP laminate
泛化与预测能力，必须采用试验数据样本进行训
 

练神经网络模型并且优化权值矩阵。本文在 次，动量初始值 mu 设置为 0.001，最小性能梯度

Matlab 神经网络工具箱中设置传递函数用于隐藏 min_grad 设 置 为 1×10−7， 训 练 目 标 误 差 goal 设 置
层和输出层计算，设置“trainlm”训练函数优化 为 0。 本 文 使 用 已 经 将 剩 余 频 率 与 剩 余 疲 劳 寿 命
更新权重和偏差值，用于实现 BP 神经网络训练。 归一化处理的 1、2、4 号层合板的疲劳模拟数据
神 经 网 络 训 练 基 本 参 数 最 大 训 练 次 数 为 1 000 进行神经网络预测模型的训练，剩余频率数据组
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3335 ·

经输入层、隐藏层的神经元的激励函数运算后， 测复合材料构件的剩余疲劳寿命，预测结果较好，
继续传向输出层，并计算出输出的剩余寿命值， 最小预测误差为 0.12%，最大误差为 4.19%。
如果计算出的剩余寿命值与模拟数据的剩余寿命
5    结 论
的差值超过设定的误差范围，则会触发误差信号
研究了玻璃纤维增强树脂复合材料 (GFRP) 层
的反向传递。通过将误差信号从输出层反向传递
合板在疲劳过程中的频率变化，并探索通过这种
到输入层的过程中，沿途不断调整各层的权值
频率变化来预测复合材料的剩余疲劳寿命。首先
(和 阈 值 )， 以 使 误 差 逐 渐 减 小 并 达 到 设 定 目 标 ，
建立了一种具有高斯正态分布材料属性的三维复
从而完成神经网络预测模型的训练。然后将 3 号
合材料疲劳模型，然后构建了不同疲劳状态下对
层合板的剩余频率数据输入到已经训练好的神经
应的模态频率模型，最后得到复合材料疲劳过程
网络模型中，进行计算得到预测的剩余疲劳寿命
中的频率衰减规律。利用归一化的仿真模态频率
与 其 误 差 值 。 在 BP 神 经 网 络 预 测 模 型 训 练 37 次
数据与剩余疲劳寿命数据训练了人工神经网络作
后，均方误差 MSE 达到最小值 2.7699×10−5。训练
为预测模型，并用于复合材料的剩余疲劳寿命预
误差曲线如图 19 所示。预测 3 号层合板剩余疲劳
测，取得了良好的预测结果。得到的有关结论如下：
寿 命 结 果 见 表 7。 可 以 看 出 ， 用 神 经 网 络 算 法 预
 

Best validation performance is 2.7699×10−5 at epoch 37

(1) 通过有限元分析方法证明了模型的频率衰
100 减与疲劳寿命过程的累积损伤密切相关，剩余频
率衰减曲线与实际的剩余刚度衰减曲线具有相同
的下降趋势；
Mean squared error

10−2
(2) 利 用 有 限 元 模 型 得 到 了 “ 剩 余 频 率 -剩 余
疲劳寿命”仿真数据，将剩余频率作为输入，剩
余疲劳寿命作为输出，构建了人工神经网络以预
10−4 Validation
Best
测复合材料剩余疲劳寿命。利用 3 块不同高斯分
Test
布的试件的模拟剩余频率-剩余疲劳寿命数据作为
Train
10−6 训练数据，对第 4 块试件模型的实际剩余疲劳寿
0 5 10 15 20 25 30 35 40
命进行预测，预测精度较好，最小预测误差仅为
Epochs
0.12%，最大预测误差不超过 4.19%；
图 19    GFRP 层合板预测模型训练误差曲线

Fig. 19    Training error curves of ANN model of GFRP laminate

(3) 通过对六种不同铺层的层合板模态模型的
 

疲劳过程的频率衰减进行对比分析，结果表明，
表 7    神经网络预测 3#GFRP 层合板剩余疲劳寿命结果
在含有 0°铺层角度的层合板模型下，高阶频率衰
Table 7    Neural network prediction of the remaining fatigue
life of GFRP laminate 3# 减更大，说明高阶频率对疲劳过程的损伤扩展更
 
Abaqus simulation Neural network algorithm Prediction error 敏感。
actual value Nr/% prediction Nr ′/% Nr − Nr ′/%
100.00 99.88   0.12
参考文献:
  96.97 97.16 −0.19
[1] NADERI M, MALIGNO A R. Fatigue life prediction of car-
  93.94 94.36 −0.42
 

  87.88 88.59 −0.71 bon/epoxy laminates by stochastic numerical simula-

  81.82 82.90 −1.08 tion[J]. Composite Structures，2012，94(3)：1052-1059.
  75.76 77.02 −1.26 [2]  ELLYIN F, EL-KADI H. A fatigue failure criterion for fiber
  69.70 71.29 −1.59
reinforced composite laminae[J]. Composite Structures，
  60.61 62.61 −2.01
  51.52 53.92 −2.41 1990，15(1)：61-74.
  42.42 45.05 −2.62 [3]  PLUMTREE A, CHENG G X. A fatigue damage parameter
  36.36 39.01 −2.64 for off-axis unidirectional fibre-reinforced composites[J].
  27.27 30.18 −2.91
International Journal of Fatigue，1999，21(8)：849-856.
  18.18 21.38 −3.20
    9.09 13.29 −4.19 [4]  SHOKRIEH M M, TAHERI-BEHROOZ F. A unified fatigue
    3.03   6.12 −3.09 life model based on energy method[J]. Composite Struc-
    0   0   0
tures，2006，75(1)：444-450.
· 3336 ·
[5]  VARVANI-FARAHANI A, HAFTCHENARI H, PANBECHI M.
An energy-based fatigue damage parameter for off-axis
unidirectional FRP composites[J]. Composite Structures，
2006，79(3)：381-389.
[6]  SHOKRIEH M M. Progressive fatigue damage modeling of
composite materials, Part Ⅰ: Modeling[J]. Journal of
Composite Materials，2000，34(13)：1056-1080.
[7]  LIAN W, YAO W. Fatigue life prediction of composite lam-
inates by FEA simulation method[J]. International Journ-
al of Fatigue，2010，32(1)：123-133.
[8]  ABO-ELKHIER M, HAMADA A A, BAHEI EL-DEEN A. Pre-
diction of fatigue life of glass fiber reinforced polyester
composites using modal testing[J]. International Journal
of Fatigue，2014，69：28-35.
[9]  李丹卉. 拉-拉循环载荷下复合材料固有频率疲劳衰减规律研
究[D]. 南京: 南京航空航天大学, 2019.
LI D H. Research on natural frequency fatigue attenuation
law of composite material under tension-tension cyclic
load[D]. Nanjing: Nanjing University of Aeronautics and
Astronautics, 2019(in Chinese).
[10]  卢翔, 李顶河, 冯振宇, 等. 复合材料层合板刚度降理论模型研
究[J]. 中国民航大学学报, 2008(2)：21-24.
LU X, LI D H, FENG Z Y, et al. Research on theoretical mod-
el of stiffness reduction of composite laminated plates[J].
Journal of Civil Aviation University of China，2008(2)：21-
24(in Chinese).
[11]  HAHN H T. On the behavior of composite laminates after
initial failures[J]. Journal of Composite Materials，1974，
8(3)：288-305.
[12]  王德, 金平, 刘鹏, 等. 基于刚度退化的复合材料层合板疲劳损
伤模型的研究进展[J]. 材料导报, 2012, 26(23)：120-123.
WANG D, JIN P, LIU P, et al. Research progress on fatigue
damage model of composite laminates based on stiffness
degradation[J]. Materials Reports， 2012， 26(23)： 120-
123(in Chinese).
[13]  姚卫星, 宗俊达, 廉伟. 监测复合材料结构剩余疲劳寿命的剩余
刚度方法[J]. 南京航空航天大学学报, 2012, 44(5)：677-682.
YAO W X, ZONG J D, LIAN W, et al. Residual stiffness meth-
od for monitoring remaining fatigue life of composite
structure[J]. Journal of Nanjing University of Aeronautics
and Astronautics，2012，44(5)：677-682(in Chinese).
[14]  郭霞, 迟海, 贺俊智, 等. 纤维增强复合材料胶接结构疲劳特性
试验研究[J]. 实验力学, 2019, 34(6)：1077-1084.
GUO X, CHI H, HE J Z, et al. Experimental research on fa-
tigue characteristics of fiber reinforced composite materi-
al bonded structure[J]. Journal of Experimental Mechan-
ics，2019，34(6)：1077-1084(in Chinese).
[15]  MOON T, KIM H, HWANG W. Natural-frequency reduc-
tion model for matrix-dominated fatigue damage of com-
复合材料学报
posite laminates[J]. Composite Structures，2003，62(1)：
19-26.
[16]  刘英芝. 复合材料层合板疲劳行为研究[D]. 哈尔滨: 哈尔滨工
业大学, 2015.
LIU Y Z. Research on fatigue behavior of composite lamin-
ate[D]. Harbin: Harbin Institute of Technology, 2015(in
Chinese).
[17]  王乐. 复合材料单向板刚度退化及数值仿真分析研究[D]. 南
京: 南京航空航天大学, 2016.
WANG L. Research and numerical simulation on compo-
site unidirectional laminates stiffness reduction[D].
Nanjing: Nanjing University of Aeronautics and Astronaut-
ics, 2016(in Chinese).
[18]  LIU K, TSAI S W. A progressive quadratic failure criterion
for a laminate[J]. Composites Science and Technology，
1998，58(7)：1023-1032.
[19]  HASHIN Z. A fatigue failure criterion for fiber reinforced
materials[J]. Journal of Composite Materials，1973，7(4)：
448-464.
[20]  SIMS D, BROGDON V. Fatigue behaviour of composites
under different loading modes. Fatigue of filamentary ma-
terials[J]. Fatigue Behavior of Composites under Different
Loading Modes，1977，636：185-205.
[21]  FRANCIS P H. Biaxial fatigue loading of notched compo-
sites[J]. Journal of Composite Materials， 1977， 11(4)：
488-501.
[22]  PHILIPPIDIS T P, VASSILOPOULOS A P. Complex stress
state effect on fatigue life of GFRP laminates[J]. Interna-
tional Journal of Fatigue，2002，24(8)：825-830.
[23]  SHOKRIEH M M. Progressive fatigue damage modeling of
composite materials, Part II: Material characterization and
model verification[J]. Journal of Composite Materials，
2000，34(13)：1081-1161.
[24]  TSERPES K I, PAPANIKOS P, LABEAS G, et al. Fatigue dam-
age accumulation and residual strength assessment of
CFRP laminates[J]. Composite Structures， 2004， 63(2)：
219-230.
[25]  CHANG F, CHANG K. A progressive damage model for lam-
inated composites containing stress concentrations[J].
Journal of Composite Materials，1987，21(9)：834-855.
[26]  廉伟, 姚卫星. 复合材料层压板剩余刚度-剩余强度关联模
型[J]. 复合材料学报, 2008(5)：151-156.
LIAN W, YAO W X. Residual stiffness-residual strength cor-
relation model of composite laminates[J]. Acta Materiae
Compositae Sinica，2008(5)：151-156(in Chinese).
[27]  CAMANHO P P, MATTHEWS F L. A progressive damage
model for mechanically fastened joints in composite lam-
inates[J]. Journal of Composite Materials，1999，33(24)：
2248-2280.
廖兴升,等： 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命 · 3337 ·

[28]  华宏星, 陈小琳, 石银明. 运用神经网络识别复合材料板刚 al network[C]. International Joint Conference on Neural
度[J]. 复合材料学报, 2000, 17(1)：108-110. Networks. New York: IEEE Press, 2002: 593-605.
HUA H X, CHEN X L, SHI Y M. Composite plate stiffness
[31]  薛掌安, 邓海亮. BP神经网络在复合材料研究中的应用[J]. 材
identification using neural networks[J]. Acta Materiae
料导报, 2009, 23(S1)：250-253.
Compositae Sinica，2000，17(1)：108-110(in Chinese).
XUE Z A, DENG H L. Application of BP neural network in
[29]  TALREJA R R. Fatigue of composite materials[M]. Boca
Raton: CRC Press, 1987. composite materials research[J]. Materials Reports，2009，

[30]  HECHT-NIELSEN R. Theory of the backpropagation neur- 23(S1)：250-253(in Chinese).