一种基于深度学习的复合材料结构损伤导波监测方法

• 作者: 刘国强 吕帅帅 周雨熙 杨宇 王彬文 王莉
• 来源期刊: 航空科学技术
• 学科: 航空航天
• 关键词: 复合材料 损伤识别 导波 卷积神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 飞机结构PHM技术
• 页码范围: 102-108
• 页数: 7页
• 分类号: V219
• 字数: 3842字
• 语种: 中文
• DOI: 10.19452/j.issn1007-5453.2020.07.014

摘要

碳纤维增强复合材料层压板已经广泛应用于飞机的主承力结构.然而,层间分层作为一种最常见的损伤形式,严重影响层压板的力学性能和结构安全.人们利用导波在层压板中的传播特性开展结构损伤监测,其核心是对比分析损伤前后导波信号,根据信号变化特征量化计算损伤指数,并将其与损伤阈值进行比较,从而进行损伤判定.该方法对专家经验依赖严重,并且泛化能力较弱.本文利用深度学习理论,提出了一种基于分布式时序卷积神经网络的损伤识别模型.该模型能够较好地解决深度学习方法在处理结构健康监测问题所面临的困难,包括数据样本量不足、数据偏斜严重以及数据长度不一致等.另外,该方法创新性地应用LSTM模块,对监测数据中各个数据片段特征进行关联.该深度学习模型增强了从原始导波信号进行损伤特征提取的能力,从而减轻对专家经验的过度依赖,并通过测试表明具有较高的损伤识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王彬文		19	6	2.0	2.0
2	杨宇		15	12	2.0	3.0
3	吕帅帅		5	0	0.0	0.0
4	刘国强		10	15	2.0	3.0
5	王莉		6	4	1.0	2.0
6	周雨熙		2	0	0.0	0.0