学术之路，唯深耕方致远；成才之途，唯善育方兴邦。为深入落实人才强国战略，发掘培育学科拔尖青年人才，激励广大学子笃学精研、锐意创新，中国复合材料学会设立卓越论文工程，旨在激励博士/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有创新能力和实践精神的青年力量。

回顾2024年度卓越论文工程涌现出一批兼具学术深度与应用价值的优秀成果，充分展现了当代青年学子的科研实力与风采。

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，研究方向主要关注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，主持基础科研加强基金项目1项，参研重点项目1项、重大项目1项。目前已发表SCI论文 5篇，获授权发明专利2项，转件著作权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

由于现代工业对材料性能的需求日益复杂，2.5D机织复合材料逐渐走进了人们视野。2.5D机织复合材料具有特殊的层间角联锁结构，在抗冲击、分层和剪切载荷方面表现出比传统层合复合材料更高的力学性能。此外，与传统的3D机织复合材料相比，2.5D机织复合材料的制造工艺相对更简单，制造成本更低。2.5D机织复合材料具有很强的可设计性，通过设计机织参数，如纤维体积含量、经纱和纬纱密度、织物层数、纬纱和纬纱数等，可以最大程度地满足结构和力学要求。鉴于上述显著优势，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，本文提出了一种基于计算机视觉的参数化建模方法，并依此开展了材料在单轴拉压载荷下的力学行为和失效机理研究。

（1）提出了一种基于计算机视觉的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，同时保持图像始终的高分辨率，构建了基于OCRNet + HRNet的深度学习语义分割模型。通过对该网络的训练，实现了对XCT图像中各纱线截面的精准分割，并开展了数据增强与迭代次数设置对分割精度影响的研究，研究结果表明：纱线截面分割的全局精度达到了86.69%，通过适当提高迭代次数，分割精度明显提高并趋于稳定。从实际应用出发，研究了不同原始图像比例的数据集对分割精度的影响，研究发现：原始图像比例越高则分割精度也越高，当原始图像比例大于50%时，精度提高不明显。建立了基于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了二值化、中值滤波、轮廓提取和轮廓拟合的操作，实现了对纱线截面高度、宽度、面积、重心位置和偏转角的提取。

（2）提出并建立了一种四枚衬经斜纹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，提出了一种易于推导与描述的纱线路径和截面参数化表征方法。基于参数化建模软件Texgen，建立了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；通过为该模型施加全胞的周期性边界条件，建立了四枚衬经斜纹2.5D机织复合材料的刚度模型，各工况下刚度性能预测误差均在7%以内，验证了刚度模型具有可靠的预测精度。

（3）提出并建立了考虑多失效模式叠加的四枚衬经斜纹2.5D机织复合材料结构的强度预测模型。通过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，同时给出了各组分的刚度退化方案和最终失效判据，建立了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的对比表明：三种温度条件下四种工况中该强度预测模型的最大误差为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

欢迎申报2025年度中国复合材料学会卓越论文工程