在车辆碰撞事故中,为了保护车内乘客的安全,减轻车辆对行人的冲击伤害,以硬质聚氨酯泡沫为主的填充材料被广泛应用于车辆的被动安全结构中。硬质聚氨酯泡沫是一种密度低、强度高、容易成型的多孔结构材料,具有良好的吸能特性,可以通过分散并吸收冲击力对被冲击区域进行保护。由于泡沫塑料微观结构的复杂性,使用传统方法建立的本构模型在应用过程中具有很大的局限性。本文结合张量分解与遗传算法,提出了一种基于数据挖掘的硬质聚氨酯泡沫塑料本构模型研究办法。论文主要内容如下:(1)为建立本构模型,根据实验数据建立高阶张量数据,使用张量分解算法对高阶张量数据进行降维处理得到低维因子向量,使用多项式回归对低维因子向量进行拟合将离散数据连续化,建立起本构模型。(2)为获得本构模型参数,针对模型架构中的关键参数设计了混合整数优化模型。以张量分解的分解秩数、各维度的多项式拟合阶次为优化参数,基于S折交叉验证方法对高阶张量数据进行处理建立训练集和测试集,以预测数值和实验数值的平方损失作为损失函数项以保证模型的预测精度,基于正则化原理针对优化参数建立惩罚项以抑制过拟合现象。基于先验知识和实验数据确定各优化参数的约束边界条件。使用遗传算法对混合整数优化模型进行寻优求解,基于寻优结果求解其它参数,建立本构模型。(3)运用提出的本构模型建立方法建立硬质聚氨酯泡沫塑料轴向压缩条件下的本构模型。参照美国材料与实验协会的标准测试方法设计实验方案,对3种密度的硬质聚氨酯泡沫试样在3种不同的加载速率条件下进行轴向压缩,得到9组实验数据曲线,对实验数据进行预处理,建立应力高阶张量。运用提出的方法建立硬质聚氨酯泡沫塑料轴向压缩条件下的本构模型,并对模型的有效性进行验证。