摘要
本发明公开了一种纤维增强复合材料弹性性能预测方法，旨在解决传统方法精度低、效率慢及难以处理多尺度关联的问题。首先，利用随机算法生成代表性体积单元，结合Sobol序列采样与SMOGN数据增强技术构建高质量训练数据集。其次，设计并训练嵌入残差块和物理约束的深度神经网络，通过贝叶斯优化自适应调参，提升模型泛化能力。最后，建立多种宏观结构模型，实现多尺度弹性性能的端到端预测。本方法在预测精度与计算效率上实现突破：单次分析耗时从数小时缩短至分秒级，平均预测误差低于5%。本技术可广泛应用于航空航天、新能源汽车和风电等领域，为高性能复合材料的设计制造提供智能化支持。
