复合材料多尺度疲劳损伤演化：机制、表征与建模研究进展

复合材料因其优异的比强度、比模量和可设计性，在航空航天、能源交通等关键领域获得广泛应用。然而，疲劳载荷作用下复合材料的损伤演化呈现显著的多尺度特征——从微观尺度的基体微裂纹、界面脱粘，到细观尺度的层间分层、纤维断裂，最终发展为宏观尺度的结构失效。准确理解和预测这一跨尺度损伤演化过程，是保障复合材料结构长期服役安全的核心科学问题。本文系统综述了复合材料多尺度疲劳损伤演化的研究进展：首先从损伤物理机制出发，梳理各尺度典型损伤模式及其跨尺度关联；进而评述多尺度实验表征技术与数值建模方法，重点介绍基于渐进损伤模型、相场方法、机器学习融合等前沿手段的研究进展；最后探讨多物理场耦合、制造工艺影响、数字孪生等新兴方向带来的机遇与挑战。本文旨在为复合材料疲劳耐久性设计与寿命预测提供系统的理论参考。

关键词：复合材料；疲劳损伤；多尺度建模；渐进损伤；机器学习

---

1 引言

复合材料在航空航天、氢能储运、海洋工程等领域的应用日益广泛，其长期服役过程中的疲劳可靠性成为结构设计的核心关切。与金属材料不同，复合材料的疲劳失效并非单一主裂纹的稳定扩展，而是基体开裂、界面脱粘、分层、纤维断裂等多种损伤模式在不同尺度上萌生、演化并相互耦合的复杂过程。这一特性使得复合材料疲劳寿命预测面临根本性挑战：微观尺度的损伤事件如何影响细观与宏观的力学响应？跨尺度的信息传递如何实现高效而准确的建模？

多尺度研究方法正是应对这一挑战的有效途径。其核心思想是将复合材料视为从微观（纤维/基体尺度）到细观（单层/编织结构尺度）再到宏观（构件尺度）的层级体系，通过建立各尺度间的信息传递机制，实现从组分性能到结构响应的完整预测。近年来，随着原位实验技术、高性能计算和人工智能方法的快速发展，复合材料多尺度疲劳损伤研究正经历从定性描述向定量预测、从单一尺度向跨尺度耦合、从物理模型向数据-物理融合的深刻变革。

本文旨在系统梳理这一领域的研究进展。第2节阐述多尺度疲劳损伤的物理机制；第3节介绍多尺度实验表征方法；第4节综述多尺度数值建模技术；第5节探讨新兴发展方向；第6节给出结论与展望。

2 多尺度疲劳损伤的物理机制

2.1 微观尺度：基体损伤与界面脱粘

在纤维/基体尺度（通常为微米至数十微米），疲劳损伤的萌生主要源于基体材料的微观缺陷和纤维/基体界面的力学响应。聚合物基复合材料在循环载荷作用下，基体内部原有的微孔、微裂纹等缺陷逐渐扩展，形成弥散分布的微裂纹网络。

界面脱粘是微观尺度的另一关键损伤模式。由于纤维与基体的热膨胀系数差异和模量不匹配，界面处存在残余应力。疲劳载荷下，当界面剪应力超过界面强度时，纤维与基体发生局部脱粘。Hosseini等人对低温热-力耦合疲劳的研究表明，界面脱粘是损伤萌生的主导机制，达到临界载荷后即引发后续的基体开裂。这一发现揭示了界面行为在疲劳寿命早期阶段的关键作用。

陶瓷基复合材料（CMCs）的研究同样印证了界面行为的重要性。Solt等人识别出CMCs在循环载荷下的四种基本损伤模式：基体开裂、界面脱粘、界面滑移和纤维断裂。其中，界面剪应力的大小直接决定疲劳过程中的滞回能耗散程度。

2.2 细观尺度：裂纹扩展与层间分层

随着疲劳循环次数增加，微观尺度的弥散损伤逐渐演化为细观尺度（百微米至毫米）的局域化裂纹。在单向带层合板中，微观基体裂纹沿垂直于载荷方向的纤维间扩展，形成贯穿整个单层厚度的横向裂纹。这些裂纹的密度随循环次数增加而增大，达到特征饱和状态（即特征损伤状态，CDS）后，新裂纹萌生停止，后续损伤转为裂纹张开位移的增大和层间分层的萌生。

编织复合材料中，纱线的交织结构使损伤行为更为复杂。Gao等人对平纹编织SiC/SiC复合材料的研究揭示，经纱与纬纱的交织区域是疲劳载荷下的薄弱环节，容易发生界面脱粘。X射线显微CT观测显示，损伤优先在纱线交织处萌生，随后沿经/纬纱界面扩展。缝纫纱线虽能抑制分层，但会引入局部应力集中，反而降低整体疲劳性能。

层间分层是细观尺度的关键失效模式，通常由自由边缘、孔边或裂纹的高层间应力引发。分层一旦萌生，将迅速扩展并导致结构刚度显著下降，往往是最终失效的前兆。

2.3 宏观尺度：刚度退化与最终失效

宏观尺度（厘米至米）观测到的是各细观损伤模式累积效应的综合体现。宏观表征是刚度的渐进退化。随着基体裂纹密度增加和分层区域扩大，复合材料层合板的弹性模量持续下降，直至失稳破坏。

疲劳损伤的宏观演化通常呈现三阶段特征：初期快速下降（微裂纹萌生与饱和）、中期缓慢线性下降（裂纹张开与分层稳定扩展）、末期加速下降（局部纤维断裂与结构失稳）。这一演化规律为基于刚度降的寿命预测方法提供了物理基础。

值得注意的是，不同材料体系的宏观失效模式存在差异。聚合物基复合材料往往以大面积分层和纤维断裂为最终失效特征；陶瓷基复合材料则表现为基体开裂导致的纤维裸露与逐丝断裂；金属基复合材料还需考虑基体的循环塑性与氢脆耦合效应。

2.4 跨尺度关联与耦合

上述各尺度损伤并非孤立发生，而是存在复杂的跨尺度关联。微观尺度的基体微裂纹聚集成细观尺度的横向裂纹；横向裂纹的高应力引发层间分层；分层导致载荷重新分配，加剧未损伤区域的微观损伤；如此循环往复，形成损伤演化的正反馈机制。

跨尺度耦合的典型例证来自Muthu等人对胶接修复夹芯复合材料的疲劳研究。该工作通过实验与多尺度建模的对比发现：微观尺度下，疲劳100次循环后基体单元已失效，而纤维单元保持完好；细观尺度观测到条纹状失效模式，止于经纱边缘；宏观尺度则表现为随循环次数增加的渐进基体开裂形成的宽而深的裂纹面。这一研究清晰展示了损伤从微观萌生到细观局域化再到宏观累积的完整跨尺度演化链条。

3 多尺度疲劳损伤的实验表征

3.1 微观尺度表征技术

微观尺度损伤的观测依赖于高分辨率成像技术。扫描电子显微镜（SEM）可用于观察断口形貌和微裂纹形态。透射电子显微镜（TEM）能够分辨界面反应层和纳米级缺陷。原子力显微镜（AFM）可定量测量界面区域的刚度分布和脱粘程度。

近年来，X射线显微计算机断层扫描（XCT）成为微观三维成像的有力工具。Hessman等人开发了从XCT数据提取短纤维增强热塑性复合材料微观结构参数的算法，实现了纤维取向分布、长径比、体积分数等统计特征的高通量获取。Gao等人则利用XCT获取平纹编织CMCs的细观结构参数，包括纱线截面尺寸、纱线间距、层厚等，为高保真建模提供了输入。

3.2 细观尺度原位观测

细观尺度的损伤演化需要在加载过程中进行原位观测。数字图像相关（DIC）技术通过追踪试样表面散斑图案的变形，获得全场应变分布，可用于识别裂纹萌生位置和监测裂纹张开位移。声发射（AE）技术通过采集损伤事件释放的弹性波信号，实现损伤模式的实时识别和定位——不同损伤模式（基体开裂、界面脱粘、纤维断裂）具有特征频率和能量，可通过波形分析加以区分。

同步辐射X射线显微CT结合原位加载装置，可实现三维损伤演化的动态观测。该技术已成功应用于编织复合材料疲劳过程中内部裂纹萌生与扩展的可视化，为验证多尺度模型提供了直接证据。

3.3 宏观尺度性能测试

宏观尺度的疲劳性能测试是材料表征的基础。标准疲劳试验测定S-N曲线（应力-寿命曲线），描述不同应力水平下的疲劳寿命。刚度退化试验通过间断停机测试或原位应变测量，获得弹性模量随循环次数的衰减规律。剩余强度试验在不同循环次数后对试样进行静载拉伸，测定强度保留率。

值得注意的是，宏观性能测试结果包含了所有尺度损伤的累积效应，但无法区分各损伤模式的贡献。因此，单纯依靠宏观测试难以建立机理性的寿命预测模型，必须与微观/细观表征手段结合。

3.4 多尺度实验数据融合

多尺度实验数据的整合是关键挑战。不同尺度实验的时间、空间分辨率存在巨大差异：微观XCT可分辨亚微米细节但视场有限，宏观DIC可覆盖全场但分辨率不足。数据融合的目标是构建跨尺度的损伤演化图像。

Rojas Sanchez和Waas的研究提供了一个范例。他们基于文献报道的微观同步辐射数据和宏观疲劳实验数据，建立了多尺度疲劳模型。微观数据提供了损伤萌生与初始扩展的机理认识，宏观数据用于标定模型参数和验证预测结果。这种数据融合策略兼顾了物理机理的准确性和工程应用的可行性。

4 多尺度疲劳损伤建模方法

4.1 多尺度建模框架概述

多尺度建模的核心任务是建立不同尺度间的信息传递机制。按信息流动方向可分为两类：下尺度化（downscaling）——从宏观载荷条件得到微观应力/应变场；上尺度化（upscaling）——从微观损伤状态得到宏观性能退化。

按尺度耦合方式可分为：分层多尺度（hierarchical multiscale）——单向信息传递，微观计算结果以均质化形式输入宏观模型；并发多尺度（concurrent multiscale）——双向信息传递，宏观模型中关键区域嵌入微观模型实时计算。

4.2 微观力学模型

微观力学模型旨在基于纤维、基体和界面的性能预测复合材料宏观响应。代表性方法包括：

Mori-Tanaka方法：基于平均场理论，考虑夹杂相之间的相互作用，适用于预测含微裂纹复合材料的有效性能。通用单胞模型（GMC）：将代表体元（RVE）离散为子胞，赋予不同材料属性，可模拟纤维、基体和界面的非线性响应。 concentric cylinder model：Zhang和Waas提出的NCYL模型采用同心圆柱代表体元，通过解析方法计算纤维/基体尺度的应变场，已成功应用于渐进损伤分析。

针对短纤维增强复合材料，Hessman的工作系统比较了不同均质化方法的精度，并建立了基于两阶段法的高周疲劳模型，引入纤维和基体的损伤变量预测疲劳极限。

4.3 细观尺度损伤模型

细观尺度模型关注单层或编织结构中的裂纹扩展和分层行为。主要方法包括：

连续介质损伤力学（CDM）模型：将损伤效应通过内变量引入本构关系。损伤变量可定义为刚度折减系数、有效承载面积减少比例等。损伤演化方程通常基于热力学势函数导出。

内聚区模型（CZM）：专用于模拟界面脱粘和分层。在潜在裂纹路径上设置内聚单元，其本构关系描述牵引力与相对位移的关系，包括线弹性上升段、损伤起始、软化下降和失效四个阶段。

扩展有限元法（XFEM）：允许裂纹在单元内部任意扩展，无需重新划分网格，适用于模拟任意路径的裂纹扩展。

Gao等人针对平纹编织CMCs提出了一种高效的多尺度方法。他们将纱线段视为基本单元，利用小型复合材料（mini-composite）的疲劳试验数据（滞回能耗散、残余刚度退化）描述纱线的疲劳性能，避免了复杂的纱线微观建模。该方法成功预测了环境温度和1100℃高温下的疲劳寿命，并揭示了经/纬纱交织区的脱粘机制。

4.4 宏观尺度寿命预测方法

宏观尺度方法直接基于结构响应预测疲劳寿命。主要类型包括：

S-N曲线法：基于材料的应力-寿命曲线，结合累积损伤准则（如Miner准则）预测变幅载荷下的寿命。优点是简单易用，缺点是无法考虑损伤演化的物理过程。

渐进损伤模型：在有限元框架内逐单元更新材料性能。Wang等人提出的基于Hill方程的新型损伤累积模型具有代表性。该模型从非线性损伤累积规律出发，解析推导残余刚度和残余强度模型，确保两者的内在一致性，并能捕捉疲劳寿命末期的损伤加速演化特征（sigmoidal曲线）。该模型在T800碳纤维层合板和L型接头上的验证与实验吻合良好。

相场模型：将裂纹视为弥散化的场变量，通过控制方程自动模拟裂纹萌生、分叉和扩展。近期研究提出了扩散长度尺度可调的相场方法，能够模拟从准脆性到脆性断裂的转变，并成功应用于颗粒增强复合板的裂纹扩展分析。

4.5 机器学习增强的多尺度建模

传统多尺度方法面临计算成本高昂的瓶颈，机器学习技术为突破这一瓶颈提供了新途径。

降阶替代模型：Rojas Sanchez和Waas采用神经网络加速多尺度计算。他们将NCYL微观模型的计算结果作为训练数据，训练神经网络替代微观模型的实时计算，使计算效率显著提升。该模型能够准确捕捉损伤模式及其发生顺序，并实现疲劳寿命的高效预测。

数据增强与迁移学习：针对疲劳实验数据昂贵、样本量小的问题，湘潭大学丁燕怀教授团队提出了融合物理约束蒙特卡洛模拟（PCR-MCS）与迁移学习联合注意力机制长短期记忆网络（TA-LSTM）的混合智能预测框架。物理约束规则指导数据扩充，迁移学习和自注意力机制实现小样本下的精准预测，预测误差降低近80%。

Deep Material Networks (DMN)：Dey等人发展了基于DMN的多尺度方法。DMN作为一种微观力学替代模型，具有“准模型无关"特性——一旦基于微观结构训练完成，可附加任意材料本构。他们针对短纤维增强热塑性塑料，实现了线性疲劳损伤律和非线性幂律疲劳损伤律的集成，并基于复合材料实验数据逆向识别模型参数。

多时间尺度分析：针对高周疲劳分析计算量过大的问题，有研究提出用恒定位移加载代替循环加载的多时间尺度方法。特征变量通过LightGBM和响应面法（RSM）优化建模。结果表明，LightGBM（21个特征）相比RSM（3个特征）的均方根误差降低75%，分析时间缩短90%以上，同时保持了预测精度。

4.6 典型应用案例

为直观展示上述方法的适用性，表1汇总了近期研究中典型材料体系、建模方法与实验验证情况。

表1 典型复合材料多尺度疲劳建模案例

从表中可见，不同材料体系和损伤机制对应不同的建模策略。编织结构CMCs需重点考虑纱线交织效应，短纤维复合材料需处理随机取向分布，层合板则关注分层和横向裂纹。机器学习方法正在从单纯的替代模型向物理引导的智能建模演进。

5 挑战与新兴方向

5.1 制造工艺影响的纳入

真实复合材料的微观结构受制造工艺显著影响：纤维取向分布、体积分数、孔隙率、残余应力等均与工艺参数密切相关。传统多尺度模型通常假设理想微观结构，与真实材料存在偏差。

将制造工艺信息纳入多尺度建模成为重要发展方向。工艺模拟（如注塑成型流动模拟、热压罐固化模拟）可预测构件各位置的微观结构参数；这些参数作为多尺度模型的输入，实现“工艺-结构-性能"一体化预测。Dey等人基于纤维取向张量插值方法，实现了对不同取向状态的DMN快速生成，为工艺-性能关联建模提供了高效工具。

5.2 多物理场与环境耦合

复合材料服役环境往往涉及多种物理场的耦合作用。典型场景包括：湿热老化：水分和温度影响基体塑性和界面强度；低温环境：液氢/液氧贮箱面临极低温与热循环的耦合；高速冲击：涉及应力波传播与应变率效应。

Hosseini等人对低温热-力耦合疲劳的研究表明，短期热循环（快速温度变化）的损伤增长率比长期热循环高约40%。微观-宏观对比显示，宏观尺度损伤比微观尺度估算值高约5%，而微观尺度损伤增长率比宏观尺度高约50%。这些差异源于应力集中和尺度效应，需要在多物理场建模中加以考虑。

5.3 不确定性量化与可靠性分析

复合材料的多尺度特性本身就带来多重不确定性源：微观结构随机性（纤维分布、取向、界面性能）、模型不确定性（本构简化、参数标定误差）、载荷不确定性（服役载荷的随机性）。

不确定性量化（UQ）的目标是定量评估这些因素对寿命预测结果的影响，实现可靠性设计。典型方法包括蒙特卡洛模拟、多项式混沌展开、高斯过程回归等。然而，多尺度模型与UQ的结合面临计算成本挑战——高保真多尺度模型单次计算已十分耗时，难以直接用于数千次采样。发展高效UQ方法（如降阶模型+贝叶斯推断）是当前研究热点。

5.4 数字孪生与工业应用

数字孪生（digital twin）作为连接物理实体与虚拟模型的桥梁，为复合材料结构健康监测与寿命管理提供了新范式。其核心要素包括：高保真多尺度模型作为物理基础；在线传感数据（应变、温度、声发射）实时更新模型状态；不确定性量化与预测性维护决策。

实现复合材料数字孪生面临诸多挑战：模型计算效率需满足实时或近实时要求；传感器数据与多尺度损伤状态的映射关系需要建立；模型更新算法需兼顾精度和稳定性。机器学习与降阶模型的融合是突破计算瓶颈的关键。

6 结论与展望

复合材料多尺度疲劳损伤演化研究经过数十年发展，已形成从机理认识到建模预测的完整知识体系。本文系统综述了该领域的研究进展，主要结论如下：

1. 损伤机制的多尺度本质已获共识：微观尺度（基体开裂、界面脱粘）→细观尺度（横向裂纹、分层）→宏观尺度（刚度退化、最终失效）构成完整的损伤演化链条，跨尺度关联是准确预测的关键。

2. 实验表征技术持续进步：XCT、原位SEM、声发射等多尺度观测手段为机理认识和模型验证提供了直接证据。多尺度实验数据的融合仍是需要深入研究的课题。

3. 建模方法日益丰富：微观力学模型提供机理基础，细观CDM和CZM实现损伤演化的定量描述，宏观渐进损伤模型满足工程应用需求。机器学习方法正在重塑多尺度，显著提升计算效率。

4. 新兴方向带来机遇与挑战：制造工艺纳入、多物理场耦合、不确定性量化、数字孪生等前沿方向推动研究向更真实、更可靠、更实用的方向发展。

展望未来，复合材料多尺度疲劳研究可能呈现以下趋势：

- 物理-数据深度融合：纯数据驱动模型面临泛化能力挑战，纯物理模型面临计算效率瓶颈。物理约束的机器学习（如PINN）、理论引导的神经网络、可解释AI等融合范式将成为主流。

- 全链条集成建模：从原材料性能（纤维、基体、界面）到制造工艺（成型、固化）再到服役性能（疲劳、蠕变、环境老化）的全链条集成，实现“材料-工艺-结构"一体化设计。

- 标准化与工程化：多尺度建模方法需要建立标准化的流程和验证体系，降低工程应用门槛。针对氢能储运、航空航天等关键领域，发展专用的多尺度疲劳分析软件和数据库。

- 数字孪生落地：结合物联网、5G、边缘计算等技术，推动多尺度模型从设计阶段走向服役阶段，实现复合材料结构的实时健康管理与智能维护。

复合材料的广泛应用前景与疲劳失效的复杂机理构成永恒的张力，而多尺度研究方法正是在这一张力中不断演进的桥梁。从微观世界的界面脱粘到宏观世界的结构失效，从实验室的S-N曲线到数字孪生的实时预测，这一领域的持续探索将为复合材料结构的可靠服役提供坚实的科学基础。

---

参考文献

[1] Muthu J, Makhate I. Progressive Fatigue Failure Characterization of Bonded Repaired Sandwich Composites Using Experimental and Multiscale Modelling Approaches. ASME 2025 Aerospace Structures, Structural Dynamics, and Materials Conference, 2025.

[2] Hessman P A. On multi-scale modeling of fatigue in short glass fiber reinforced thermoplastics. KIT Scientific Publishing, 2025.

[3] Gao X, Song Y, Wu W, et al. A multi-scale fatigue life prediction method for plain-woven SiC/SiC composites based on cumulative hysteretic dissipated energy. Journal of the European Ceramic Society, 2026.

[4] Ghosh G, Biswas D, Bhattacharyya R. Advancements in multiscale modeling of damage in composite materials: A comprehensive review. Composites Part B: Engineering, 2025.

[5] Hosseini S M, Gholami M, Afrasiab H. Multiscale Numerical Damage and Fatigue Behavior of Polymer Composites Under Cryo-Thermal Loading. Polymer Composites, 2026.

[6] Hessman P A. On multi-scale modeling of fatigue in short glass fiber reinforced thermoplastics. OAPEN Library, 2025.

[7] Rojas Sanchez J F, Waas A M. An experimentally validated multiscale machine learning fatigue damage model for fiber reinforced composites. Composites Part B: Engineering, 2024.

[8] Overview on the existing approaches for life prediction methodologies and modelling of fatigue response. Fatigue in Composites (Second Edition), Woodhead Publishing, 2025.

[9] Dey A P, Welschinger F, Schneider M, et al. On the effectiveness of deep material networks for the multi-scale virtual characterization of short fiber-reinforced thermoplastics under highly nonlinear load cases. Archive of Applied Mechanics, 2024.

[10] Efficient Prediction of Fatigue Damage Analysis of Carbon Fiber Composites Using Multi-Timescale Analysis and Machine Learning. Polymers, 2024.