在航天、机械等领域,出于保护设备的目的,需要开展噪声和振动的控制。橡胶材料由于其结构紧凑、减振性能强以及工艺性好等特点已被广泛应用于各类减振器件中。橡胶减振性能取决于强依赖于工况温度、荷载频率和动态位移振幅的橡胶材料动态阻尼性能。研究橡胶材料在不同温度、频率及位移振幅工况下的动态阻尼性能(动态模量和阻尼)具有重要的工程实际意义。本文开展橡胶减振材料动态阻尼属性的数学本构模型预测工作。基于应力叠加法,将橡胶减振材料应力分为线弹性、粘弹性和弹塑性部分,构建粘弹性模型表征橡胶材料的频率相关性,构建弹塑性模型表征橡胶材料的振幅相关性,并联粘弹性模型与弹塑性模型,基于温频等效方程引入温度对橡胶材料阻尼的影响。开展橡胶材料动态性能实验,基于实验数据进行数学本构模型的参数反演,得到可以表征不同温度、频率和振幅下的橡胶材料动态阻尼性能显式表达。在构建数学本构模型时,本文分别采用整数阶广义Maxwell粘弹性模型和分数阶广义Maxwell粘弹性模型表征动态阻尼性能的频率相关性,分别引入理想弹塑性模型和应力强化弹塑性模型表征动态阻尼性能的振幅相关性。通过与实验性能比较,最终选定分数阶广义Maxwell粘弹性模型和应力强化弹塑性模型预测橡胶材料动态阻尼属性。模拟预测与校验实验数据整体误差为8.67%,可认为较好地预测了不同温度、频率和振幅下的橡胶材料动态阻尼属性。本文开展橡胶减振材料动态阻尼属性的神经网络模型预测工作。基于数学统计思路,不考虑动态阻尼性能等参数实际物理意义,而是分析动态阻尼性能与温度、频率和振幅间的非线性关系。构建反向传播神经网络,以温度、频率和振幅为特征输入,以动态模量和阻尼为标签输出数据,采用三个隐藏层设置,每层引入ReLu激励函数增强神经网络的非线性表达能力,避免tanh等函数的梯度消失现象,采用梯度下降优化算法基于实验数据进行神经网络的训练,给出有效表征温度、频率和振幅与橡胶材料动态阻尼性能间复杂非线性映射关系、快速预测橡胶材料动态阻尼性能的全连接神经网络,有利于不同工况下的橡胶材料快速概念设计。神经网络预测与实验结果比较可知,神经网络对强依赖于温度、频率和振幅的橡胶材料动态阻尼性能的描述整体误差为9.18%。本文开展数学本构模型和神经网络模型对橡胶材料动态阻尼性能预测能力的研究。当前工作受限于实验代价,获得的实验数据有限。基于有限实验数据开展数学本构模型参数反演和神经网络训练,得到的数学本构模型和神经网络模型描述能力受限。本文比较了不同工况下的橡胶材料动态阻尼性能,以实验校验数据为基准,可以发现,本构模型在描述橡胶非线性动态阻尼性能要优于神经网络,这主要是因为当前有限实验数据不能满足神经网络训练需求。为了进一步训练神经网络,本文基于描述能力较强的本构模型提取温度、频率和振幅与动模量和阻尼间非线性关系,极大丰富神经网络样本数据,得到训练成熟的神经网络。以实验校验数据为基准,可发现基于有限实验数据和本构模型数据为基础的神经网络预测误差为5.97%。本文基于数学本构模型和神经网络模型开展了橡胶材料动态阻尼性能的数值模拟,数学本构模型给出动态阻尼性能与温度、频率和振幅间的力学机理解释,神经网络模型可快速预测强依赖于温度、频率和振幅的非线性动态阻尼性能。当前工作可快速预测不同工况下的非线性动态阻尼性能,有利于橡胶减振材料的快速概念设计。