面向纤维增强复合材料制造错位的高保真统计等效三维微观结构自回归建模与合成生成

《COMPOSITES SCIENCE AND TECHNOLOGY》：Autoregressive modelling and synthetic generation of high-fidelity, statistically equivalent 3D microstructures for as-manufactured misalignments in fiber-reinforced composites

　　

纤维错位支配着复合材料的微观尺度失效行为，然而实验解析的三维微观结构依然稀缺、昂贵且依赖于特定试样，限制了高保真虚拟测试的发展。本研究提出一种端到端框架，可将X射线显微CT（X-ray-μCT）纤维路径转化为统计等效且物理可行的三维微观结构。所开发的随机模型通过组合逐层经验边缘分布、平面内相依性的高斯copula（Gaussian copula）、潜在深度自回归（AR(1)）记忆、门控联合尾部富集以及罕见高错位"基序"（motif）库来复现各统计描述符，并以贝叶斯优化（Bayesian optimization）将模型校准至约12.6%的累积目标。消融研究逐一分离出各机制的作用：深度记忆将轨迹连续性失配由超过200%降至25%以下。该模型可迁移至独立子体积并保持良好一致性，运行间变异性仅为1%–2%。在标定模型的在线驱动下，逐层生长引擎结合变半径成核（variable-radius seeding）、基于Delaunay的邻域以及椭圆感知的投影高斯-赛德尔（projected Gauss–Seidel，PGS）求解器生成约2400根纤维，同时一个闭式逐层胶囊校验（between-slice capsule check）在整个深度上认证无重叠。最高延伸至70%纤维体积分数（V_f）与2795根纤维的参数化研究均保持严格无重叠；对实验、建模与生成微观结构的三方比较量化了强制物理可行性所付出的保真度代价。经验证的三维微观结构以互不相交实体形式导出，可直接导入有限元（finite-element，FE）软件，为虚拟测试、不确定性量化及数据驱动复合材料设计开辟了可扩展的路径。

研究背景与问题

纤维增强聚合物基复合材料（fiber-reinforced polymer，FRP）在最新飞机结构中占比超过50%，其宏观性能由纤维聚集、取向、波纹、孔隙及纤维-基体界面等微观尺度机制支配。其中纤维错位（fiber misalignment）将几何缺陷与载荷传递的强各向异性相耦合，微小偏离即可诱发复杂局部应力状态，非均匀地影响压缩强度。X射线显微CT（X-ray-μCT）已能于单纤维分辨率解析三维轨迹，但可重建体积稀缺、昂贵且具试样特异性，难以代表制造诱导错位的统计波动。现有建模多将错位简化为拟合的整体角度分布，忽略深度演化与空间相关；生成方法多侧重无重叠几何的视觉相似，缺乏对完整统计错位描述符的控制。为此，研究人员建立可同时提取、建模并生成物理可行三维微观结构的端到端框架，为虚拟测试、不确定性量化与数据驱动设计提供可扩展路径。

研究方法

样本队列为碳纤增强聚醚醚酮（PEEK）单向胶带的X射线μCT数据：约1200μm×160μm×500μm子体积用于开发与标定，另一独立子体积（2853根分段纤维、2413根连续）用于迁移评估。关键技术包括：（1）椭圆-平面相交逐层错位提取（以中心差分法CDM验证）；（2）随机建模：逐层经验边缘分布、二元高斯copula平面内相依、潜在空间AR(1)深度记忆、门控联合尾部耦合、高错位"基序"（motif）库概率重注入，以贝叶斯优化（Bayesian optimization）最小化五项加权失配目标；（3）物理生成：动态增长（DG）-随机序列吸附（RSA）混合成核、在线逐层采样的三维生长、Delaunay邻域上椭圆感知投影高斯-赛德尔（PGS）无重叠求解器与闭式胶囊（capsule）间层校验，导出可导入有限元（FE）软件的STL实体。

研究结果

3.1 合成微观结构纤维错位建模：贝叶斯优化经100次迭代将总损失降至约12.6%；均匀边缘分布几乎重合，潜在高斯边缘分布峰值密度实验与合成分别为0.408与0.407–0.409，联合密度差仅约4×10^-4（此为几何强制前的统计层验证）。

3.1.1 各建模机制的贡献：裸高斯copula目标得分相近（5.4%对比含AR(1)的6.6%）却产生锯齿状不连续轨迹，说明目标函数对深度结构不敏感；AR(1)深度记忆将轨迹连续性失配由208%–220%降至13%–24%；基序库改善沿纤维自相关（11.1%对比17.8%）与联合极端事件（1.5%–1.8%对比2.2%–2.7%）；门控尾部富集效应（0.24–0.40个百分点）在本数据集处于采样变异（0.38）之内，但对错位以极端共现而非游程形式出现的材料仍是数据标定的保障；仅全管线组合可复现全部性质。

3.1.2 泛化性与稳健性：独立子体积仅重复标定（约3.5小时）即获匹配保真度，θ_X、θ_Y、θ_Z的KS距离分别为2.9、2.4、7.3%（原为3.3、2.3、7.5%），深度平均跟踪在0.5°以内；三次重复标定目标与耗时变异系数仅1%–2%，结果表征的是方法本身而非特定数据集。

3.2 合成微观结构生成：种子层含2395根连续纤维、V_f=46%、约23分钟生成；最终增广结构重建出具备物理一致半径、无重叠几何与统计等效建模层的三维错位纤维网络。

3.2.1 参数化研究：考察体积分数40%–70%、纤维数2395–2795等影响，体积分数驱动保真度、纤维数驱动成本，27个参数案例均严格无重叠。

3.2.2 统计保真度三方比较：实验（O）、建模（M）、生成（G）三容器各角度池化n=308,955条观测；均值与标准差按O→M→G单调递增（θ_Z均值1.60°→1.81°→2.21°，标准差1.28°→1.38°→1.64°），KS距离M最小（3.3、2.3、7.5%）、G最大（8.8、6.5、19.1%）；θ_Z偏离最大源于其θ_X、θ_Y正交互补组合的自然复合，且PGS校正由邻近纤维而非自身倾斜决定，独立扰动叠加扩大了实现方差。

3.2.3 仿真就绪几何导出：保形分段三次Hermite插值（PCHIP）保留全部验证切片中心并沿曲线扫掠圆形截面，每纤维生成一个STL部件；Blender布尔检查无相交，导入Abaqus无需人工修复，可直接用于有限元网格划分。

讨论与结论

讨论部分指出，V_f低于实验子体积的原因在于仅复现连续纤维、边界穿越纤维按全半径保守计数以及间隙与直径截断限制堆积密度；基序相对AR(1)持久性的"剂量"是进一步增益的主要杠杆（按AR(1)未产生的残差率注入可将占用失配降至0.92%对比0.95%，边缘分布恢复至无基序水平KS 1.4%对比4.1%）。结论部分指出：标定模型以KS距离3.3%、2.3%、7.5%（θ_X、θ_Y、θ_Z）复现实测错位分布，生成结构的附加偏离（8.8%、6.5%、19.1%）量化归因于物理必需的无重叠强制而非统计描述；AR(1)深度记忆将轨迹连续性失配降低一个数量级（>200%降至<25%）；独立子体积再标定即获匹配保真度、重复标定仅变1%–2%；纤维以互不相交实体导出可直接导入有限元软件。该框架将代表性微观结构生成与重复成像解耦，把单次X射线μCT扫描转化为按需获取仿真就绪纤维结构的来源，为虚拟测试、不确定性量化及代理与机器学习大训练集开辟可扩展路径。