用于多功能性能预测的复合碳纤维基结构电池的计算微观力学与机器学习融合设计

将承载和储能功能集成在单一材料系统中（即多功能结构电池），对推进结构储能技术的发展具有巨大的应用前景。这些系统可显著减轻重量并提高安全性，但由于存在大量未经探索的设计空间以及成本高昂的试错过程，其商业化受到了阻碍。在本研究中，我们采用经过实验验证的计算框架来加速浸渍固态聚合物电解质 (SPE) 的碳纤维 (CF) 基结构电池的设计。为了分析力学行为，利用基于计算微观力学的有限元分析 (FEA) 模型研究了 CF/SPE 界面和损伤机制，以预测宏观有效材料特性。为了准确预测储能性能，通过贝叶斯优化算法对基于人工神经网络 (ANN) 的数据驱动机器学习方法进行了优化，以预测结构电池的未来容量。此外，我们在快速容量衰减条件下验证了优化后的 ANN 模型，展示了此类算法在研究机械与电化学载荷下耦合多功能结构方面的适用性，为优化多功能复合材料的开发提供了有前景的见解。