一种基于机器学习的方法，用于分析碳纤维增强聚合物复合材料中激光烧蚀的多物理场耦合现象

《COMPOSITE STRUCTURES》：A machine learning-based approach for multi-physics coupling analysis of laser ablation in carbon fiber reinforced polymer composites

烧蚀机理与ML辅助优化：基于多物理场耦合FE模型与随机森林/MLP代理框架，探究连续激光作用下CFRP复合材料的烧蚀行为，揭示功率密度主导烧蚀过程而铺层方向影响有限，实现高效参数评估。

　　

赵超|李嘉旭|周宇|乔凯|毛春健|徐锡武

江苏大学机械工程学院，中国镇江

摘要

高能激光系统的日益广泛应用引发了对航空航天碳纤维增强聚合物（CFRP）结构抗烧蚀性能的关注。预测这类材料的响应具有挑战性，因为激光辐照会引发热传递、热机械变形和基体热解之间的强烈耦合效应。在这项工作中，我们开发了一个多物理场有限元（FE）框架，用于研究连续激光照射下层压CFRP复合材料的烧蚀行为。该模型考虑了各向异性的热传导、热诱导应力以及温度依赖性的热解速率，从而能够分析不同激光功率密度和纤维方向下的温度场、应力分布及层间损伤的变化。仿真结果表明，激光功率密度在控制烧蚀过程中起主导作用，而层铺方向的影响在所考虑的参数范围内相对有限。为了加速参数评估，我们利用从仿真数据中生成的拉丁超立方抽样集构建了基于随机森林（RF）和多层感知器（MLP）算法的替代模型。这些模型在提高预测准确性的同时减少了计算时间。所提出的框架为快速评估CFRP结构中的激光诱导损伤提供了一种有效方法，并有助于设计抗激光侵蚀的复合材料部件。

引言

CFRP复合材料由于其高比强度、高比模量以及优异的高温耐受性，在汽车、国防和航空航天等高科技领域得到了广泛应用[1]、[2]、[3]。这些领域对材料的机械性能和几何复杂性有严格要求[4]、[5]。在汽车工业中，CFRP复合材料被用于高性能跑车车身、底盘部件和电池防护结构，利用其显著的减重效果和优异的吸能性能。Deng等人[6]提出了一种基于深度学习的方法来检测CFRP结构中几乎不可见的撞击损伤，为汽车复合部件的结构健康监测提供了有效手段。Zhang等人[7]进一步研究了CFRP层压板在循环载荷条件下的疲劳损伤演变，并证明了其耐久性的提升。在国防和安全应用中，这些材料被广泛应用于无人机机身、导弹外壳、弹道插件和轻质装甲系统中。Turbin等人[8]开发了一种离散损伤力学方法来量化复合结构中的循环损伤累积，揭示了CFRP部件在重复载荷下的长期性能。Li等人[9]分析了CFRP混合接头的损伤演变行为，并揭示了复合结构连接中的复杂失效机制，这对国防相关结构系统至关重要。在航空航天工程中，CFRP复合材料因出色的刚度重量比和抗疲劳性能而成为主要承力结构、尾翼组件、雷达罩和卫星支撑框架的关键材料。Hu等人[10]开发了一个多尺度建模框架，用于预测CFRP层压板的变形行为，从而改进了在复杂载荷条件下的结构响应分析。Yao等人[11]研究了湿热老化对CFRP层压板抗疲劳分层性能的影响，强调了环境因素对结构耐久性的重要性。此外，Wiedemann等人[12]研究了CFRP增强纤维金属层压板的疲劳性能，并展示了其在航空航天结构中的增强机械性能。目前，由于激光武器具有快速响应能力、强大的抗干扰能力和精确的打击能力，其发展不断加快，因此高科技领域对复合材料的抗激光烧蚀性能需求日益增加。因此，研究CFRP复合材料在激光照射下的烧蚀过程至关重要，以明确烧蚀机制并为设计能够承受极端能量沉积的新材料提供依据。

由于数值分析方法成本较低且精度较高，它们一直是研究CFRP复合材料激光烧蚀过程的重要工具。Li等人[13]提出并模拟了一种纳秒-皮秒双脉冲激光方案，以增强碳纤维材料的烧蚀效果。通过分析时空温度分布，他们揭示了烧蚀形态的演变机制，并确定了脉冲延迟和能量比对烧蚀深度和表面特征的关键影响。Ma等人[14]研究了连续波/短脉冲或长脉冲激光对C/SiC复合材料的烧蚀效率，建立了原位观测系统和多尺度烧蚀模型，以明确不同混合配置下的主导烧蚀机制。Zhang等人[15]将烧蚀坑的仿真与成分分析相结合，证明增加Hf/Zr比例可以提高C/C-HfC-ZrC-SiC复合材料的激光烧蚀抗性。Li等人[16]开发了一维瞬态模型，从理论和数值上研究了CFRP复合材料在连续高功率密度激光辐照下的质量损失，发现激光功率密度显著影响原始区、热解区和炭化区的形态和尺寸。Gao等人[17]基于SiC/SiC复合材料的多脉冲飞秒激光烧蚀特性进行了热积累仿真，发现烧蚀深度与激光参数呈指数关系。Dang等人[18]利用FE仿真计算了C/SiC复合材料在激光烧蚀过程中的温度场，报告中心处的瞬时温度高达3750°C，即碳纤维的升华温度。然而，大多数现有的基于FE的模型主要关注单体或单层材料的烧蚀演变，对多层复合材料中的多物理场耦合和层间损伤（尤其是热应力与烧蚀诱导分层之间的联合效应）关注较少。此外，通过数值方法模拟这种复杂的多物理过程在计算上仍然具有挑战性，尤其是在进行广泛参数研究或实时评估时。这一根本性限制凸显了开发兼具高保真度和高效性的创新计算框架的紧迫性。

近年来，人工智能尤其是机器学习（ML）的快速发展彻底改变了物理科学领域的预测建模。在激光-物质相互作用研究中，ML在逆向设计、工艺优化和各种基于激光的制造技术结果预测方面展现了巨大潜力。Zhu等人[19]提出了一种新的检测方法，将ML与图像处理相结合，能够快速识别晶体中的不同激光诱导损伤形态并准确量化关键参数。Liu等人[20]开发了一种基于ML的光束成形技术，用于空间光调制器，利用U-Net架构建立了目标激光斑点轮廓与实验结果之间的映射。Zhang等人[21]将ML应用于激光熔覆增材制造，实现了高强度和韧性的最佳平衡。Senthil Kannan等人[22]通过激光钻削在AA7475/SiC/ZrSiO₄复合材料中制造了微米级方形通孔，结合田口实验设计和多目标遗传算法优化了激光功率、钻削速度和离焦距离。Wang等人[23]引入了一种混合机器学习框架，结合迁移学习（VGG19）、k均值聚类和决策树分类，自动识别并优化了Ti6Al4V上飞秒激光诱导周期性表面结构（LIPSS）的高质量与低质量加工窗口。尽管取得了这些进展，但将ML与CFRP复合材料激光烧蚀的多物理场建模相结合的研究仍大多处于探索阶段。特别是，能够捕捉激光烧蚀过程中复杂热机械相互作用的高效预测框架的开发仍然有限。

为应对这一挑战，本文提出了一种基于ML的CFRP复合材料激光烧蚀预测框架。其主要优势在于将高保真FE仿真与数据驱动的ML模型相结合，从而在不同激光工作条件下高效预测烧蚀特性。与传统数值仿真相比，该方法显著提高了计算效率，同时保持了高预测精度。

本研究的工作流程如下：首先，开发了一个耦合的热机械FE模型来模拟多层CFRP材料中的激光烧蚀过程，并生成高质量的数据集。其次，训练了两种ML模型（RF和MLP），以建立激光参数与烧蚀响应之间的关系。最后，评估了所开发模型的预测性能，并进行了比较，以证明它们在快速可靠地预测CFRP复合材料激光烧蚀行为方面的能力。所提出的框架结合了多物理场仿真与数据驱动建模，实现了对先进复合结构中激光烧蚀行为的有效预测。

部分内容摘要

激光烧蚀中的多物理场耦合

当CFRP复合材料受到激光照射时，光束中心的温度迅速超过聚合物基体的升华或热解阈值，引发热化学分解，如图1(a)所示。生成的气体产物组成严重依赖于周围大气环境。在氧化条件下（例如空气），一氧化碳（CO）和二氧化碳（CO₂）是主要成分；而在惰性环境中（例如氮气（N₂）或氩气（Ar）

FE模型

计算模型模拟了一个尺寸为150 mm × 150 mm × 1.5 mm的层压CFRP板，纤维方向为[±45°/0°/90°/0°]_s，其中0°层沿y方向排列，如图2所示。材料的密度为1.65 g·cm?³，纤维体积分数为65%。热导率和比热容被建模为温度依赖函数，数据来源于参考文献[26]。使用连续波激光束

机器学习模块

机器学习模块重点关注两个对烧蚀过程有显著影响的输入变量：激光功率密度和前两层的纤维方向。使用优化的拉丁超立方抽样（LHS）生成了包含200个参数集的空间填充设计，其中150个样本用于训练，50个样本用于独立验证。比较了两种代表性算法RF和MLP的预测能力

结论

本研究建立了一个多物理场-ML框架，用于模拟和预测CFRP材料的激光烧蚀行为。通过将高保真热机械-化学仿真与数据驱动建模相结合，量化了激光功率密度和层铺方向对三种关键烧蚀响应的影响。主要发现如下：

1.

底部层的中心温度在初始阶段缓慢上升，随后在持续烧蚀过程中线性增加。

CRediT作者贡献声明

赵超：撰写 – 审稿与编辑，撰写 – 原始草稿，研究，资金获取，形式分析，概念化。李嘉旭：撰写 – 原始草稿，可视化，验证，软件，方法论，研究。周宇：软件，方法论，研究。乔凯：软件，资金获取，数据管理。毛春健：软件，方法论，概念化。徐锡武：监督，资源协调，项目管理。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本研究得到了江苏省自然科学基金（BK20231319）、中国江苏省高等学校自然科学基金（23KJD130003）以及航空航天结构力学与控制国家重点实验室（MCAS-E-0124G03）的支持。