南京航空航天大学学报

作者：吴嘉炜，王新峰，于健，黄再兴

单位：1南京航空航天大学航空学院，南京 210016；,1南京航空航天大学航空学院，南京 210016；,2南京航空航天大学通用航空与飞行学院，南京 211106；,1南京航空航天大学航空学院，南京 210016；

关键词：纤维增强复合材料;界面过渡区;条件生成对抗;代表性体积单元;云图预测

基金：江苏省自然科学基金青年基金（BK20220871）；中国博士后科学基金 （2023M741691）。

本文针对纤维增强复合材料微观应力/应变/损伤场预测问题，提出了一种融合残差连接与PixelShuffle上采样的条件生成对抗网络（Conditional generative adversarial network，cGAN），记作RP-cGAN，以解决有限元方法建模复杂、计算效率低及现有机器学习模型对界面过渡区预测精度不足的问题。基于真实材料分布特征和参数，建立代表性体积单元模型，生成T300材料在拉伸/剪切载荷下的多场数据集。RP-cGAN通过残差连接增强界面特征提取能力，使过渡区预测误差降低30%。并结合PixelShuffle上采样将峰值信噪比提升7%，有效抑制了传统转置卷积的棋盘效应。实验表明，该模型在26 ms内可完成单幅云图预测，且在多载荷工况下保持稳定性能（SSIM>0.983 9）。RP-cGAN在损伤云图预测时，基于Mises应力准则和刚度退化下的预测结果与有限元计算高度一致，为复合材料多尺度失效分析提供了高效精准的计算工具。

来源：2026年第1期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2026年第1期