近几十年来,复合材料已成为一种重要的工业材料,并在航空、航天等特殊领域发挥着不可替代的作用。与传统材料不同,复合材料在细观尺度上由两相或多相材料按特定的设计方式组合而成,因此其宏观尺度的属性由组分材料及细观组成方式等因素决定。同时,复合材料的宏观变形与破坏也由宏、细观多种机制共同决定。因此,无论是在材料设计阶段还是在变形与破坏分析阶段,复合材料的宏-细观力学行为研究均是当前该领域的重点问题。宏-细观力学分析的关键是建立宏观参数与细观参数之间的定量关系,但是,随着细观尺度可设计参数的增多,传统分析手段很难同时有效地处理多个细观参数与宏观参数之间的关系。为了解决这一问题,本文提出了基于数据挖掘的复合材料力学研究方法,该方法避免了复杂的数学推演与假设,且应用范围不局限于特定的复合材料类型,同时能够在数据中发现潜在的未知规律,为复合材料力学的研究提供了新的思路与方法。论文的主要内容如下：(1)为了构建细观尺度代表性体元(Representative volume element,简称RVE)模型,建立了颗粒增强复合材料细观随机分布重构程序和基于图像光滑重构程序,程序中包含了细观几何参数及分布规律调节、有限元网格划分、周期性边界条件施加与内聚力单元插入等功能。同时,提出了基于图像的光滑重构方法,与传统方法相比,该方法能够在材料界面位置有效地消除锯齿单元,在界面应力、裂纹扩展等模拟中具有更高的精度。(2)利用随机分布重构程序构建了纤维增强复合材料的RVE模型,提出了树脂基体的温度、应变率相关弹塑性本构模型,该基体模型在不同温度、应变率条件下均与实验吻合良好。同时,采用该本构模型作为组分材料的RVE模型获得了与实验吻合良好的应力-应变曲线。由此可见,在细观几何重构模型与组分材料属性准确的情况下,RVE模型能够可靠地预测复合材料宏观属性。(3)提出了基于数据挖掘的宏-细观材料属性预测方法。在该方法中,数据库来源于具有不同细观设计参数的RVE模型,通过利用基于张量分解的数据挖掘方法对数据进行降维与低维拟合,得到宏观材料属性与细观设计参数之间的定量关系。在此,以颗粒增强复合材料为例,分析了多种细观设计参数与宏观弹性模量、强度及剩余模量之间的定量关系,并讨论了张量分解参数对结果的影响。(4)通过对数据挖掘方法的扩展,提出了基于数据挖掘的层级多尺度方法,该方法在细观尺度上利用非正交周期边界条件与实时均匀化方法对复杂变形的RVE进行分析并建立切线模量数据库；在宏观尺度上通过调用细观切线模量的数据挖掘结果进行本构更新。研究表明,该方法能够有效地修正传统层级多尺度方法在大变形时的误差,与直接数值模拟(Direct numerical simulation,简称DNS)结果吻合良好。(5)针对功能梯度复合材料断裂问题,将基于数据挖掘的材料属性预测方法与动态分段指数模型结合,以材料设计参数作为输入参数进行研究,分析了梯度比例、梯度形式、裂纹长度和裂纹位置等因素对功能梯度复合材料中裂纹动态应力强度因子的影响。