Page 79 - 无损检测2022年第十期

徐 浩,等:
基于超声导波和机器学习的蜂窝夹层结构脱黏诊断

层结构可能发生脱黏损伤, 甚至导致整体结构的失 1-R i x , )/ , R i x , )
(
(
y β
y <β
[ (
y
效 [ 5 ] 。因此, 探索和发展适用于蜂窝夹层结构脱黏 W i R i x , )] = 0 , R i x , )
(
y ≥β
缺陷的监测手段, 不仅可在服役过程中确保航天器 ( 2 )
结构完整性、 提高结构服役安全性, 还可为新型热防 式中: 为 控 制 椭 圆 分 布 区 域 大 小 的 缩 放 参 数;
β
护系统的设计和研发提供支撑。 R i x , ) 为坐标点到路径的相对距离, 即
(
y
目前多种检测技术可用于结构的脱黏诊断, 如 d e , i x , ) (
(
y +d r , i x , )
R i x , ) y -L i ( 3 )
(
y =
用应变识别法 [ 6 ] 、 超声 C 扫法 [ 7 ] 、 射线检测法 [ 8 ] 和 L i
(
(
红外热成像法 [ 9 ] 等。区别于一些操作难度大或性价 式中: d e , i x , ) 和d r , i x , ) 分别为坐标点到激励
y
y
比不高的传统检测方法, 超声导波检测技术具有传 /接收传感器的距离; L i 为传播路径的长度 [ 14 ] 。
播速度快、 传播距离长、 传播衰减小的优势, 可在很 1.2 支持向量机
小区域内通过传感器激励产生超声导波对结构进行 支持向量机是解决小样本分类识别中较有优势
大范围检测, 适用于大面积板结构的损伤诊断 [ 10 ] 。 的一种机器学习模型, 其原理是通过在样本空间中
目前有多种传感器可以实现超声导波激励和接收, 划分超平面来实现对样本的分类。支持向量机模型
其中锆钛酸铅压电陶瓷传感器( PZT ) 在成本和功耗 可表示为
(
等方面具有优势, 且易于集成化, 可以同复合结构共 f x ) < w , x > b ( 4 )
=
+
同成型, 广泛应用于工程无损检测领域 [ 11 ] 。 式中: w 和 b 分别为法向量和位移项。
针对复合材料脱层、 多层结构分层以及胶接接 f x ) 0 即为样本空间的分类界面。如果样
(
=
合部脱黏等缺陷的检测, 超声导波技术已经取得了 本空间不能被线性分离, 则使用核函数 φ x )使模
(
部分进展 [ 12 ] 。尽管许多检测方法和算法具有良好 型变为非线性, 即
(
的面内脱黏诊断性能, 但对于蜂窝夹层结构来说, 不 f x ) < w , ( x )> b ( 5 )
=
+
φ
同界面脱黏对结构的影响程度并不相同, 所以迫切 可见, 求解一个二次凸优化问题即可找到最优

需要一种在平面定位之后能对厚度截面上的脱黏层 权系数 w [ 15 ] 。
进行辨别的方法。根据现有技术存在的问题, 文章
2 脱黏诊断方案
基于超声导波加权分布诊断成像和支持向量机机器
学习模型, 对蜂窝夹层结构进行脱黏诊断和脱黏层 2.1 传感器网络设置
判定。 通过布置压电传感器形成传感器网络, 传感器
网络布置如图 1 所示。共设置 24 条导波传播路径,
1 脱黏诊断原理
从平面内看, 在结构上下两侧诊断区域分别布置相
1.1 加权分布成像 同的 6 条传播路径网络用于加权分布诊断成像脱黏
超声导波加权分布诊断成像方法是一种基于概 诊断; 从截面内看, 设置单侧平面内传播及跨平面的
率统计的损伤成像算法, 其原理为: 结构损伤会导致
导波信号发生变化, 而损伤与传播路径的距离和导

波信号变化程度呈正相关。具体诊断流程为: ① 计
算导波传播路径上的信号变化差异, 并以这种差异

作为路径损伤因子( DI ); ② 将诊断区域划分为网格

坐标点并进行图像投影; ③ 通过椭圆加权分布函数
计算各条传播路径所对应的损伤因子映射到每个坐
标点上出现的概率 [ 13 ] 。即坐标点 ( x , )处的损伤
y
概率 P ( x , ) 可表示为
y
n
P ( x , ) ∑ DI i W i R i x , )] ( 1 )
[ (
y =
y
i = 1
[ (
为损伤因子; W i R i x , )] 为第i 条路
式中: D , I i y
径的椭圆加权分布函数, 由非负线性递减函数定义,
即 图 1 传感器网络布置示意
5
4
2022 年 第 44 卷 第 10 期
无损检测