Page 52 - 2023中国无损检测年度报告
P. 52
2023 ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ 2023
⚥㕂偽䰀唬崵䎃䏞䫣デ ⚥㕂偽䰀唬崵䎃䏞䫣デ
3.4 基于声发射信号和数字图像融合的复合材料 系统，其尺寸（长 × 宽 × 高）为 71 mm ×
层压板疲劳损伤监测 50 mm × 15 mm，质量为 80 g。该系统具有多
CFRP 结构是作为主承载结构，在循环载荷 通道同步数据采集、撞击区域识别、能量估计、
作用下会发生疲劳损伤，极易导致结构力学性能 自动预警等功能，如图 12 所示。基于此，团队
急剧下降。现有循环载荷作用下 CFRP 损伤机制 进一步提出了基于时间序列分析和机器学习的粗
演化及表征的研究相对较少。团队搭建了 CFRP 精结合的两步撞击定位方法。
疲劳试验平台，设计了两种铺层类型的 CFRP 层
合开孔梁，提出了基于声发射（AE）与数字图
像相关（DIC）相结合的 CFRP 在纯拉伸循环载
荷作用下的疲劳损伤表征方法，如图 11 所示。
该方法采用 AE 撞击率和 AE 能量两个参数表征
CFRP 在疲劳载荷下的结构刚度退化行为，并结
合 DIC 分析了不同铺层类型试件的损伤失效特
征。在此基础上，结合 PCA 和 K-means++ 算
法实现了两种铺层类型 CFRP 层合梁的损伤模式
识别，并基于模式识别结果表征 CFRP 疲劳损伤 图 12 基于稀疏传感网络的飞行器结构撞击载荷识别
的动态演化过程。试验数据分析表明，[45/90]4s 撞击载荷重构和能量估计是实现飞行器发生
试件主要损伤模式为基体开裂、分层损伤、纤维 外部撞击后的损伤评价和安全评估的重要依据，
脱黏拔出和纤维断裂，其中分层损伤和纤维拔出 尤其是对于复合材料结构性能退化评估和寿命预
是试件发生最终失稳破坏的更重要影响因素。而 测具有重要意义。团队提出了基于响应信号能量
[45/0]4s 试件由于轴向纤维对剪切载荷的抑制作 的撞击能量估计方法及基于区域修正的撞击能量
用，未发现纤维拔出现象，但裂纹界面的剧烈摩 误差补偿方法。为了准确评估撞击能量的大小，
擦是其重要的 AE 信号来源。 提出了一种集成深度学习方法。该方法包括数据
扩展、序列到图像的转换和卷积神经网络三个部
分，其中数据扩展采用垂直平均插值实现，扩展
后的数据通过格兰姆角场转换为图像，并将图像
输入卷积神经网络中建立图像与冲击能量大小之
间的非线性映射关系。对蜂窝夹层复合材料进行
了锤击撞击试验，验证了所提出方法对于撞击能
量评估的有效性。
3.6 基于自编码器和延迟叠加成像联合驱动的复
合材料结构损伤监测
图 11 基于 AE-DIC 的 CFRP 疲劳损伤动态表征
针对传统延时叠加成像算法定位精度低、伪
3.5 基于稀疏传感网络和机器学习相结合的飞行 影严重的问题，提出了一种基于去噪自编码器和
器结构被动式撞击监测 延迟叠加成像算法相结合的加权延迟叠加成像算
飞行器结构在服役过程中可能遭遇各种低 法，如图 13 所示。该算法在传统延迟叠加成像
速撞击事件，其中复合材料结构对外部撞击尤 算法的基础上，充分利用去噪自编码器强大的信
其敏感，而撞击造成的损伤随时间而扩展会产 号降噪和特征挖掘能力，结合多路径加权技术，
生灾难性后果。复合材料具有各向异性且结构 在获得更佳的损伤定位结果的同时有效降低了伪
复杂（例如包含筋肋等加强结构），导致结构 影。在集成了压电传感网络的复杂复合材料结构
的撞击响应十分复杂，使得传统的基于模型的 上进行了试验验证，结果表明，无论是在低噪声
撞击识别方法应用受限。团队研制了一种轻质 还是强噪声环境中，所提出的算法都能准定位结
化、小型化的多通道、多功能被动式撞击监测 构的损伤。
42
