1、引言
复合材料具有轻质、高强高模、可设计性强等优点，在船舶与海洋工程领域应用愈加广泛。性能需求的提高，使得复合材料组分构成与结构形式比以往更加复杂，传统设计研究方法分析速度与精度方面受到限制，一定程度上制约了复合材料在船舶与海洋工程领域的应用发展。
人工智能方法利用数学模型代替力学分析，利用高维数据建立变量间的映射关系，以分析传统力学方法不易发现的规律，对复合材料结构的性能分析、设计优化及可靠性分析方面起到推进作用。
利用人工智能方法解决复合材料结构设计分析中的问题，已成为新的发展趋势。
2、人工智能方法与复合材料结构性能预测
复合材料结构力学性能预测通常采用试验、数值两种方式，这两种方法均难以对影响因素进行精确分析。
复合材料的宏观力学性能基于其微细观结构。人工智能方法能够高效分析微细观结构特征与影响程度，促进复合材料多尺度力学的深入研究。通过纤维体积分数、铺层角等设计参数对结构力学性能进行预测，建立“设计参数-结构-性能”的响应非线性映射关系模型，能够提高复合材料优化设计效率、降低复合材料结构研发时间成本。
工程领域中通常根据实验数据，在物理定律和基本假设基础上对经验函数进行修正以得到半经验复合材料的本构关系与损伤失效数学模型。复合材料组分含量逐渐发展、结构设计逐渐复杂，使其准确的损伤失效分析变得困难，然而已有材料力学方法对各种损伤机理共同作用不易良好表达。人工智能方法则绕过对失效机理的直接探索，利用设计参数和试验数据构建复合材料本构关系模型，同时避免经验方法引入误差。
3、人工智能方法与复合材料结构优化设计
复合材料结构设计空间大，受载后响应规律复杂，若通过多次试验获得设计方案会消耗大量资源及时间，且无法保证获得全局最优解。随着数值模拟与人工智能的持续发展，计算机仿真实验、自主搜索方案已得到应用，为复合材料高精度高效率优化设计带来新方法。
智能算法控制有限元分析，能够在设计空间内寻找优化解决方案。结合经典层合板理论与智能算法，采用理论计算或数值计算，绕过大规模有限元分析，实现复合材料多目标优化的同时，提高设计效率。
此外还可通过人工神经网络反向构建性能-设计参数关系模型，由目标性能解出所需设计方案。
基于人工智能的复合材料设计、优化自动寻优方法已逐渐深化发展。材料性能设计参数的有效性与算法的精度和效率在该方法中起到关键作用。
由于复合材料内部结构复杂，设计参数众多，需要对设计参数与目标的相关性进行分析，并对某些不确定因素及影响进行量化处理，用以提高人工智能数学模型的效率与精度。
4、总结与展望
以轻量化为目标，高效利用复合材料结构，基于其可设计性激发材料性能潜力极限，逐渐成为船舶及海洋工程领域复合材料研究的焦点之一。摆脱传统复合材料设计理念，实现设计方案智能搜索，提高效率与性能，将是未来复合材料研究的新目标。
