摘要
聚合物混合材料因其将不同增强组分相结合，能够提供优异的力学性能、耐久性、轻量化特征和结构效率，而引起了广泛关注。然而，由于其异质微观结构、组分相互作用、界面行为、增强结构布局以及制造条件等因素，对其行为进行设计仍然具有挑战性。本文综述批判性地分析了针对聚合物混合材料的解析方法、微力学方法、数值方法和基于可靠性的建模方法，涵盖其分类、力学特性及预测框架。文章讨论了这些方法在预测拉伸、弯曲和冲击行为、损伤、失效以及材料退化中的应用。同时，本文还探讨了实验表征在确定材料性能、模型校准和数值验证方面的作用。机器学习作为一种补充工具，正在多尺度框架中作为代理建模手段逐渐兴起。所综述的研究表明，由于材料体系、纤维布局、制造与测试条件以及建模假设的差异，理论、数值和实验结果之间存在差异。本文强调了对可靠材料数据集和统一建模框架的需求，以提高预测精度并支持聚合物混合材料的设计与优化。
