基于FEM-ML的SiCp/Al复合材料残余应力动态耦合预测方法

本发明涉及一种基于有限元方法（FEM）与机器学习（ML）的SiCp/Al复合材料残余应力动态耦合预测方法，本方法通过有限元软件构建SiCp/Al复合材料的数值模型，获取相关数据；然后对数据进行预处理，并分别构建粒子群优化支持向量回归机（PSO‑SVR）和反向传播人工神经网络（BP‑ANN）模型用于残余应力的预测；最后通过多项评估指标对两种模型进行比较，选择更优的预测模型。在实际应用中，本方法能够根据新获取的数据动态更新模型，以适应不同的工况和材料参数变化。本发明实现了对SiCp/Al复合材料残余应力的高效、精准预测，具备动态适应能力，能够显著降低预测成本，为复合材料的设计与优化提供有力支持。