我系教师潘志栋老师研究成果以 “Thermo-dynamic response of multi-directional functionally graded panels resting on an elastic substrate with the aid of data-driven solution” 为题，在航空航天领域权威期刊《Aerospace Science and Technology》上发表。该期刊为航空航天工程领域Top 期刊，影响因子6.4（DOI: 10.1016/j.ast.2023.108724）

功能梯度材料结构（FGMSs）是金属与陶瓷材料的平滑变体，具有微观非均匀性。相较于因分层和脱粘问题失效的传统复合材料，FGMSs表现出更优异的性能。其陶瓷组分凭借卓越的耐高温特性，可在极端温度下承受载荷；而金属组分的延展性则有效抑制热应力引发的断裂。因此，以往研究者多通过热分析手段探索FGMs特性。工程领域亦涌现数据驱动的机器学习算法（MLA）模型。随着算力提升与大数据时代来临，MLA已在多领域深度渗透，但其实现需充足样本与适配网络拓扑结构。针对克尔型弹性地基（Kerr-type elastic substrate）上多向功能梯度（MD-FG）圆柱板在热冲击载荷下的弯曲响应问题，现有文献尚未系统研究。

潘志栋老师及其团队研究首次提出瞬态热冲击对弹性地基上MD-FG板热-动力学响应的影响，并考虑以下关键因素：（1）边界不连续性：加载与非加载表面边界的周向不连续条件；（2）剪切耦合效应：克尔地基中多个Winkler弹簧组件的剪切耦合作用。（3）基于三参数弹性理论（3P-elasticity）推导控制方程后，采用拉普拉斯变换与三维微分求积法（3D-DQM）联立求解。计算结果显示高度一致性（误差<1%）。

研究进一步提出基于深度神经网络（DNN）的数据驱动方法，通过输入层、隐藏层与输出层构建网络架构，以独立变量（如几何参数、热冲击参数）为输入，输出应力-位移场。该方法显著降低计算成本，适用于此类工程问题的高效求解。结果表明：（1）面板几何形状（如曲率半径、厚度梯度）对法向/剪切应力分布具有主导影响；（2）热冲击参数（如温度梯度率、加载时长）显著调控弹性地基上MD-FG板的位移场演化。

在这篇论文中，潘志栋老师为第一作者，我校为第一署名单位。这一成果为我系矿业学科的发展注入了强大动力，进一步提升了我校在矿业领域的学术影响力。