综述：基于模型驱动与数据驱动/AI方法的扰动后频率动态特性评估综述

本综述系统探讨了复合高压储氢容器(HHSVs)的失效行为预测与优化方法，聚焦爆破失效(burst failure)和疲劳失效(fatigue failure)两大核心问题。通过对比纤维增强复合材料失效准则（如Tsai-Wu、Hashin准则），梳理了基于有限元法(FEM)的渐进损伤模型在结构预测中的应用，并评述响应面法(RSM)、遗传算法(GA)等优化策略对容器性能的提升。文中特别介绍了多丝缠绕技术对纤维交叉/垂坠问题的创新解决方案，为氢燃料电池汽车(HFCVs)轻量化与安全性研究提供重要参考。

　　

失效判定与评估模型

复合高压储氢容器(HHSVs)的失效行为主要源于纤维层在复杂载荷下的损伤累积。爆破失效对应容器的极限承压能力，常用最大应力准则或Tsai-Wu准则判定；疲劳失效则与循环充放氢过程中的基体开裂、纤维断裂等损伤机制相关。研究表明，结合三维Hashin准则的渐进损伤模型能更准确模拟层合板的逐层失效过程，而基于Python开发的UMAT子程序可实现各向异性材料的非线性行为分析。

预测模型构建方法

有限元法(FEM)是当前主流的预测工具。Liao团队通过VUMAT-UMAT联合建模，建立了考虑三维损伤理论的显-隐式复合模型，其爆破压力预测误差小于5%。针对疲劳寿命预测，学者们将Miner线性累积损伤理论与Paris公式结合，通过有限元应力场反推S-N曲线，实现了70 MPa工况下10⁵次循环寿命的精准预测。

性能优化技术突破

优化算法显著提升了设计效率：响应面法(RSM)可快速筛选最佳铺层角度（±55°时爆破压力提升18%），遗传算法(GA)则解决了多参数（缠绕张力±5%波动、厚度梯度变化等）非线性优化问题。创新的多丝缠绕技术通过动态张力控制，将纤维利用率提高至95%，同时避免传统工艺的纤维交叉缺陷，使容器重量减轻15%而承压能力不变。

未来挑战与展望

当前研究仍面临多物理场耦合建模精度不足的瓶颈。未来需开发融合机器学习的数据-模型混合驱动方法，并建立涵盖氢脆效应的材料数据库。标准化方面，需推动ISO 15869与GB/T 35544的协同更新，以适应35-70 MPa更高压力等级容器的安全评估需求。