Page 129 - 无损检测2022年第十一期

院企风采

2.3 基于激光导波场的复合材料结构损伤定量检 动力学报》等期刊发表。
测 3.1 列车转向架关键区域疲劳裂纹监测

针对复合材料在加工和使用过程中出现的内 在列车、飞机关键结构热点区域设计、优化
部损伤发现难，表征难等问题，提出了一种基于 布置智能压电传感网络层，采用线性、非线性超
激光导波场的复合材料内部损伤识别技术。激光 声导波结构健康监测方法研究了转向架平板结构
超声导波场检测技术具有非接触，易于实现自动 件、T 型焊接结构件的疲劳裂纹扩展过程，其应
化，单点信号影响小可消除伪缺陷，抗干扰能力 用示例如图 8 所示。整个监测区域内各路径融合
强等优点。通过有限元仿真深入研究了激光诱发 后的线性、非线性损伤参数值都可以有效地表征
的超声导波与复合材料损伤相互作用的机理。分 不同尺度的疲劳裂纹的扩展过程。
别提出了基于局部波能和里兹变换的超声导波场
信号处理方法，提炼导波场在结构各像素点的波
数信息，进而重建结构各位置点的深度信息，以
此辨识复合材料分层损伤位置、形状、大小、深
度等参数，其应用示例如图 7 所示。搭建了完全
非接触激光超声导波场自动测试平台，在实验室
条件下验证了所提出方法对复合材料层合板、加
筋板加筋区域等的损伤识别能力，并验证了基于 图 8 列车转向架 T 型焊接结构件疲劳裂纹监测应用示例
里兹变换的导波场信号处理方法结合二维相位解
缠技术对于复杂形状损伤具有较强的形状重构能 3.2 基于多源传感和机器学习的飞行器结构裂纹
定量化监测
力。
疲劳裂纹是飞行器的主要损伤形式之一，实
现疲劳裂纹的定量化监测，对提高飞行器服役寿
命，提升飞行安全，降低维护成本具有重要意义。
针对如何克服裂纹定量化监测过程中不确定因素
影响的问题，提出了一种主动 Lamb 波和自适应
可调混合径向基（RBF）神经网络相结合的裂纹
扩展定量化监测技术，其应用示例如图 9 所示。
通过结合基于断裂力学的裂纹扩展演化模型和由
RBF 神经网络与线性回归项组成的混合 RBF 模
型建立粒子滤波预测器的状态方程，并采用压电
智能层激励和接收 Lamb 波，通过提取 Lamb 波
图 7 基于激光导波场的复合材料结构损伤
损伤因子构建裂纹长度观测方程，进而构建了基
定量检测应用示例
于粒子滤波算法的状态空间模型。针对飞行器结
3 结构健康监测研究 构孔边裂纹扩展，提出了基于自适应卡尔曼滤波

团队聚焦于先进传感、定量化监测方法、 的光纤应变和 Lamb 波两种信号特征融合的裂纹
信息融合、机器学习等关键技术开展结构健康监 定量化监测技术，并进行了试验验证。
测研究，并实现了从原理性验证到工程化应用验 3.3 基于机器学习的发动机健康管理
证，部分技术直接应用于大直径复合材料贮箱的 基于实际飞行数据驱动的发动机气路故障诊
超低温静力试验和深海混输装备的 500 m 海试 断和预测是发动机健康管理的重要发展方向。为
验证。研究成果在《Ultrasonics》、《Journal 实现航空发动机气路故障智能诊断与预测，提出
of Intelligent Materials and Structures、 了一种基于堆叠降噪自编码器和支持向量回归的
Polymer Testing》、《Smart Materials and 航空发动机排气温度基线建模方法，并利用同型
Structures》、《Mechanical Systems and 号的另一台发动机航后数据对所建立的排气温度

Signal Processiing》、《推进技术》和《航空

91
2022 年 第44 卷 第11 期
无损检测