The fastener pull-through resistance is a key performance index of composite laminates used for engineering application, and increasing research attention is being paid to developing methods for its calculation or estimation. The currently available research methods mainly focus on the standard test and the finite element analysis for determining the pull-through resistance of composite laminates suffering transverse load by the fasteners. Based on the results of the fastener pull-through resistance experiment performed on X850 composite laminates, a model for estimating the maximum affordable load of composite laminates for the fastener pull-through resistance is proposed, using generalized regression neural network technology. The inputs of this model are simplified to six parameters: the proportion of the ±45° layer of the laminates, the number of the layers, the thickness of the laminates, the bolt head shape, whether the bolt has a washer or not, and the nominal diameter of the bolt; the Gauss function is used as the hidden layer function. The model uses a large portion of the experimental data to train for finding the optimal smoothness factor, which is used to reconstruct the model, and simulation is performed with the remainder of the experimental data. The comparison between the estimated results using the model and the experimental results shows that the generalization ability of the proposed model can meet the estimation requirements. Moreover, the pull-through resistance of composite laminates under transverse load from a fastener can be estimated with high accuracy after some standard fastener pull-through resistance tests of the composite laminates.

紧固件的耐穿通性是用于工程应用的复合层压板的关键性能指标，并且越来越多的研究关注于用于其计算或估计的开发方法。目前可用的研究方法主要集中在标准测试和有限元分析上，以测定紧固件承受横向载荷的复合材料层压板的抗拉强度。基于对X850复合材料层板进行的紧固件抗拉强度实验的结果，提出了一种使用广义回归神经网络技术估算复合材料层板的最大抗拉强度的模型。该模型的输入简化为六个参数：层压板的±45°层的比例，层数，层压板的厚度，螺栓头的形状，螺栓是否具有垫圈以及螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。层压板的厚度，螺栓头的形状，螺栓是否带有垫圈以及螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。层压板的厚度，螺栓头的形状，螺栓是否带有垫圈以及螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。螺栓头的形状，螺栓是否带有垫圈以及螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。螺栓头的形状，螺栓是否带有垫圈以及螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。螺栓的公称直径；高斯函数用作隐藏层函数。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。该模型使用大量的实验数据进行训练，以找到最佳的平滑度因子，以用于重建模型，并对其余的实验数据进行仿真。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。使用该模型的估计结果与实验结果的比较表明，该模型的泛化能力可以满足估计要求。而且，在复合层压板的一些标准紧固件抗拉强度测试之后，可以高精度地估计复合层压板在来自紧固件的横向载荷下的抗拉强度。