复合材料层合板由于具有高抗疲劳性能、高耐腐蚀性能和良好的热稳定性,被普遍应用于民用轮船、汽车、风力发电等诸多领域。与传统材料相比,复合材料层合板的一个优点是可设计性。这意味着研究人员可以根据其使用条件设计出具有良好性能的复合材料层合板。然而,在复合材料的设计初期,需要根据力学性能,通过构建反问题模型,探究其响应与设计参数的关系;对于复合材料动力学问题,通过构建反问题模型探究载荷与响应之间的关系,进而研究复合材料层合板的损伤所造成的因素。因此,对于复合材料层合板反问题的研究是目前研究的热点之一。一般而言,已知模型参数和边界条件求模型响应称为正问题,而通过系统响应来获取参数称为反问题。在反问题领域中,混合数值法是目前反求方法中的主流方法。反问题的难点主要在于:病态和不确定性。首先,因为其大多数为病态问题,导致其复杂程度比正问题更加复杂。其次,当考虑到反求参数的测量误差,加工误差等因素时,需要进一步考虑参数的不确定性问题。针对反问题存在的形式,本文的主要工作概括如下:1.考虑到几何参数和材料参数的不确定性对于变刚度层合板的力学性能有重要影响,本文采样近似贝叶斯方法对变刚度复合材料层合板的几何和材料参数进行参数识别。与传统贝叶斯方法相比,近似贝叶斯方法可以避免计算似然函数,这些似然函数在实际问题中使反求过程变得更加复杂或者难以求取。近似贝叶斯方法难点在于概括统计量的获取。如果选择较大的概括统计量,将会造成近似贝叶斯方法产生较大的计算成本。相反,如果采用较少的概括统计量则会带来较大信息的损失,造成求解的结果不准确。为了合理选择近似贝叶斯方法的概括统计量,本文采用自编码器完成该提取工作。同时,为了保证近似贝叶斯方法具有较高的采样效率,本文采用ANSM采样方法实现近似贝叶斯方法的采样工作。为了进一步减少计算量,本文通过神经网络来构建参数和响应之间的映射关系。对于识别变刚度复合材料层合板参数存在的病态问题,在近似贝叶斯方法中引入吉洪诺夫正则化,以此来实现参数识别。2.针对复合材料层合板的动态问题,需要根据位移变化去识别其对应的激励大小变化。本文将利用两个自编码器模型结合近似贝叶斯框架,实现力作为边界条件的动态变化过程的边界识别,并与基于GRU模型框架进行了对比。