Page 53 - 2023中国无损检测年度报告
P. 53
2023 ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ 2023
⚥㕂偽䰀唬崵䎃䏞䫣デ ⚥㕂偽䰀唬崵䎃䏞䫣デ
研究。团队提出了一种基于 Born 近似原理的多
损伤数据集的优先选择和有序排列方法，在建立
多损伤数据集的基础上，设计了一种可以同时识
别复合材料结构损伤数量、损伤位置和损伤大小
的多任务多分枝一维卷积神经网络模型。通过试
验验证了所提出的多损伤数据集构建方法和多任
务一维卷积神经网络模型的有效性。
图 13 自编码器和延迟叠加成像联合驱动的复合材料 4 发动机健康管理
结构损伤定位方法
滑油磨粒监测和气路故障诊断是航空发动机
3.7 基于卷积神经网络的复合材料结构损伤监测
健康管理的关键核心技术。团队聚焦于发动机运
针对现有的复合材料结构损伤定位精度不 维数据驱动的故障诊断与预测以及滑油磨粒监测
高、鲁棒性不强的问题，提出了一种结合格兰姆 研究，相关研究成果在 Engineering Applications
角场变换和二维卷积神经网络的复合材料结构损 of Computational Fluid Mechanics、SAE
伤定位模型，其直接由数据驱动无需专家经验知 International、《航空计算技术》等期刊上发表。
识，如图 14 所示。该方法的核心是采用改进的 4.1 滑油磨粒综合诊断单元研制
分段聚合近似算法将导波信号转换成损伤因子序
团队在前期工作基础上，研制滑油磨粒综合
列，并将损伤因子序列转换成格兰姆角场图片，
随后将格兰姆角场图片输入嵌入自注意力机制的 诊断单元。通过数值模拟预测滑油和磨粒的运动
过程，分析磨粒大小、数量和速度等因素对磨粒
二维卷积神经网络中建立图片和损伤位置的非线
性映射关系，从而实现复合材料结构的损伤定位。 分布的影响规律，并结合各类型传感器的性能特
点，给出多功能传感器布设方案，将目前发动机
与现有的基于机器学习的损伤诊断模型相比，所
提方法具有更高的定位精度。 滑油系统中分散的磁堵、油滤和磨粒探测等模块
进行集成，最终提出一种小型的集磨粒分析与监
测于一体的功能完善的全流域滑油磨粒综合诊断
单元，如图 15 所示。该单元利用离心结构实现
磨粒有序分布，借助传感网络实现滑油磨粒定性、
定量监测，利用微振动多功能薄膜对磨粒进行选
择性过滤和累积收集。
图 15 发动机滑油磨粒综合诊断单元
4.2 基于 LSTM 的航空发动机气路参数变化趋势
预测
准确预测航空发动机气路参数变化趋势是保
障发动机安全飞行和实现视情维护的重要手段。
图 14 基于卷积神经网络和格兰姆角场的复合材料 然而由于服役环境的严苛性和不确定性，发动机
结构损伤监测 气路传感器采集到的数据噪音大，平稳性差，使
考虑到复合材料结构通常在较为恶劣的环境 得采用传统时间序列模型进行参数趋势预测存在
中服役，因此分层损伤的数目、位置和大小均不 拟合和预测精度不足等问题。团队根据发动机
确定，故而在多损伤的诊断方面也开展了相应的 航后数据特点，引入深度学习中长短期记忆人
43
