博识新锋丨过淳：以材料为舟探索知识海洋的边界

1天前

学术之路，唯有深耕方能行稳致远；成才之途，唯有善育才可振兴邦国。为深入落实人才强国战略，发掘并培育学科拔尖青年人才，激励广大学子潜心钻研、锐意创新，中国复合材料学会设立卓越论文工程，旨在鼓励博士、硕士研究生在复合材料领域开展原创性、前沿性探索，为我国复合材料事业储备更多具备创新能力与实践精神的青年力量。

回顾2024年度卓越论文工程，一批兼具学术深度与应用价值的优秀成果脱颖而出，充分展现了当代青年学子的科研实力与精神风貌。

2024年度中国复合材料学会卓越论文工程入选者

（硕士学位论文）

过淳，男，中共党员，硕士毕业于南京航空航天大学能源与动力学院，现任中国船舶科学研究中心工程师。他的研究方向聚焦于船舶结构复合材料在极端海洋环境下的损伤演化与性能劣化问题，致力于探索机器学习方法在船舶复合材料结构问题中的应用。目前，他主持基础科研加强基金项目1项，参与重点项目1项、重大项目1项，已发表SCI论文5篇，获授权发明专利2项、软件著作权3项。

《基于计算机视觉特征提取的2.5D机织复合材料力学模型研究》

随着现代工业对材料性能的需求愈发复杂，2.5D机织复合材料逐渐受到关注。这类材料具有特殊的层间角联锁结构，在抗冲击、抗分层和抗剪切载荷方面，表现出比传统层合复合材料更优异的力学性能。同时，与传统3D机织复合材料相比，2.5D机织复合材料的制造工艺更简单，成本更低，且可设计性强——通过调整纤维体积含量、经纱和纬纱密度、织物层数等机织参数，能最大程度满足结构与力学要求。凭借这些优势，2.5D机织复合材料已成为航空发动机叶片的理想材料。针对2.5D机织复合材料难以快速建立趋真化代表性体积单元（RVE）的问题，本文提出一种基于计算机视觉的参数化建模方法，并以此开展材料在单轴拉压载荷下的力学行为与失效机理研究。

（1）提出基于计算机视觉的2.5D机织复合材料几何特征参数提取方法。考虑到材料XCT图像中各组分灰度差异不明显的特点，同时保持图像高分辨率，构建了OCRNet + HRNet深度学习语义分割模型。通过训练该网络，实现对XCT图像中各纱线截面的精准分割，并研究了数据增强与迭代次数对分割精度的影响。结果显示：纱线截面分割的全局精度达86.69%，适当提高迭代次数可显著提升分割精度并使其趋于稳定；原始图像比例越高，分割精度越高，当比例超过50%时，精度提升不明显。此外，建立基于OpenCV图像处理算法的几何特征参数提取流程，对神经网络分割后的纱线灰度图像依次进行二值化、中值滤波、轮廓提取和轮廓拟合操作，成功提取纱线截面的高度、宽度、面积、重心位置和偏转角。

（2）提出并建立四枚衬经斜纹2.5D机织复合材料的参数化体素全胞模型（VFM）和刚度模型。基于XCT图像，对材料细观几何关系做出假设，提出易于推导与描述的纱线路径和截面参数化表征方法。利用参数化建模软件Texgen建立VFM，通过与实际结构参数对比，初步验证了体素全胞模型的有效性；为模型施加全胞周期性边界条件，建立刚度模型，各工况下刚度性能预测误差均在7%以内，证明该模型具有可靠的预测精度。

（3）提出并建立考虑多失效模式叠加的四枚衬经斜纹2.5D机织复合材料结构强度预测模型。提取刚度模型计算结果中各单元的应力与应变，引入考虑温度效应的三维Hashin失效准则和von-Mises准则，分别作为纱线纤维束和基体树脂的损伤判据，同时给出各组分的刚度退化方案和最终失效判据，建立温度条件下考虑多重失效模式叠加的强度预测模型。预测结果与实验数据对比显示：三种温度条件下四种工况中，该模型最大误差为7.12%，最小误差为1.63%，平均误差为4.68%。

选题有价值

研究有创新

论证有深度

成果有实效

以严谨治学之态探研学科前沿

以守正创新之心打磨优质成果

让学位论文成为彰显青年科研力量的鲜亮名片