CN113720907A - 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法 - Google Patents

一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法 Download PDF

Info

Publication number
CN113720907A
CN113720907A CN202110881261.9A CN202110881261A CN113720907A CN 113720907 A CN113720907 A CN 113720907A CN 202110881261 A CN202110881261 A CN 202110881261A CN 113720907 A CN113720907 A CN 113720907A
Authority
CN
China
Prior art keywords
damage
depth
refers
composite material
piezoelectric sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110881261.9A
Other languages
English (en)
Other versions
CN113720907B (zh
Inventor
王晓军
丁旭云
李豪
王逸飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202110881261.9A priority Critical patent/CN113720907B/zh
Publication of CN113720907A publication Critical patent/CN113720907A/zh
Application granted granted Critical
Publication of CN113720907B publication Critical patent/CN113720907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor
    • G01N29/348—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor with frequency characteristics, e.g. single frequency signals, chirp signals

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，首先定义主动式的压电传感器与被动式的应变传感器布局；其次，对各个压电传感器进行依次主动激励和信号接收，通过损伤前后的信号作差，获取损伤的散射波；然后利用交替时间反转相位合成的方法，估计损伤的中心位置，依次利用直达波的飞行时间，估计分层损伤的边界点，并基于获得的多组边界点进行损伤边界拟合；再次，建立基于贝叶斯后验概率的辨识分层深度的数学模型，在估计出的损伤边界的基础上，通过应变测量更新后验概率模型，最终确定分层深度。本发明通过提出一种主动和被动式信息协同利用的框架，实现分层损伤的区域和深度的可靠辨识，精度高、实用性强。

Description

一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法
技术领域
本发明涉及复合材料结构多类型损伤的量化辨识技术，特别涉及复合材料层合结构发生分层损伤以后，在稀疏传感器布局下将主动式和被动式两大类信息结合起来，量化辨识分层损伤发生的区域和深度，为先进结构服役过程中实时安全性评估提供技术基础。
背景技术
近年来，复合材料已越来越广泛地用于航空，航天和其他领域的结构设计中。在各种复合材料中，碳纤维增强复合材料层合结构被广泛使用。然而，随着结构的长期使用以及载荷环境的多样化和不可预测性，复合结构的结构损坏甚至失效是不可避免的。为了实现结构的快速维护，对结构安全状态进行实时监控具有重要意义。复合材料层合结构通常具有很强的面内性能，但层间的拉伸和剪切性能较弱。在静态过载，冲击和疲劳载荷下，复合材料结构通常容易遭受多种破坏形式，例如基体开裂，分层等。不同类型的损坏对结构响应信息的机理和敏感性不同。这些都对准确识别损伤提出了巨大挑战。在主要的损坏模式中，分层是常见的一种，其力学行为与层内损伤大不相同，并且它可能导致结构失效，因此，本发明将重点放在对这种损伤的量化辨识。
层合结构分层损伤的识别方法可以分为两类：基于模型更新和基于信号处理。这里提到的信号包括振动信号，导波信号和光纤光栅相关信号。使用振动信号进行模型更新的方法实际上是通过解决反问题来识别分层，尽管这种识别方法对离散结构(桁架，桥梁等)具有良好的适用性。然而，对于诸如复合板这类连续结构，由于局部损伤对可测量频率的影响较弱，因此该方法难以在实际工程中进一步应用。此外，分层处界面之间的非线性刚度模型与线性模态分析之间不可避免的存在不兼容。基于振动信号处理的方法目前依赖于测量信息的整体性和完整性，而基于光纤光栅信号的方法则需要实验室环境中的进行精密测量。然而，前者对测量信息完整性的要求在实际应用中难以满足，而后者的相关研究目前集中在探索光纤光栅相关信号与分层之间的定性关系，无法实现准确的量化辨识。根据导波信号测量方法的不同，目前基于导波的分层识别方法可以分为两类：一种是使用非接触式扫描激光技术来测量全场导波信号，但是，由于在飞机结构的在线监测中很难实现全场波动测量，因此上述方法的应用和推广受到限制。另一种是使用少量的测量点或超声探头进行局部导波信号测量，尽管导波对分层敏感，但是当前对导波检测分层的研究通常需要监视导波经过分层区域后的信号特征变化。然而分层损伤位置通常是未知的，因此很难监视导波通过损坏区域的整个传播历史。更重要的是，这些方法只能描述导波信号与分层深度之间的相关性，而定量识别的技术框架还不成熟。
在分层损伤确定之前，对于其位置、轮廓和深度的先验判断并不充分。而且布置在结构的表面上的传感器的数量是有限的。通过上面的分析，当前用于分层损伤识别的方法无法在这样的要求下实现对于分层损伤的准确辨识。因此，针对量化辨识层合结构中分层损伤这一技术难题，发展一种多源信息融合基础上的分层损伤的可靠辨识方法，对于实际结构的安全性快速评估和维护具有显著的现实意义。
发明内容
本发明解决的技术问题是：克服传统分层损伤辨识方法在难以兼顾传感器稀疏性、辨识精细度方面的问题，将主动式兰姆波信号与被动式应变结合起来，利用兰姆波对损伤边界的敏感度和表面应变测量的简便性，提出一种损伤轮廓与深度同时兼顾的复合材料层合结构分层损伤辨识方法。
本发明的技术方案为：一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，步骤如下：
第一步：针对所要分析的复合材料结构，布置主动式压电传感器和被动式应变传感器，其中，按照阵列的方式布置kl个主动式压电传感器，在结构的传力路径上共布置n个表面应变传感器；
第二步：在结构上布置环形分布的主动式压电传感器，给定激励频率ωc，以该频率为中心频率，形成5波峰窄带正弦激励信号u(t)，激励出兰姆波；用θ表示兰姆波的传播方向和水平方向之间的夹角，在结构完好状态下测量该兰姆波对应的波包沿各个方向的传播速度Vg(θ)；
第三步：在结构上按照矩形阵列布置共kl个压电传感器；利用第m个主动式压电传感器进行激励，m＝1,…,kl；当层合结构处于完好和损伤状态时，进行第二步中的兰姆波激励，记两种状态下其余PZT接收到的时域信号分别为RAIq(t)和RADq(t)，q＝1,…,m,…,kl，从而得到由损伤引起的散射信号RAq(t)＝RADq(t)-RAIq(t)；然后，使用香农小波变换来获得该信号对应的时域能量分布ERAq(t)；
第四步：依次扫查监测区域中的每个位置D(x,y)，并将位置D与每个压电传感器之间的距离记录为r′1,r′2,…,r′kl，和，将位置D相对于每个压电传感器的方位角记录为θ1,θ2,…,θkl；然后将ERAm(t),m＝1,……,kl进行反转，延迟和相位平移后叠加，得到合成后的信号ERSm(x,y)；
第五步：通过使用每个PZT依次激励，并执行第四步的操作，获得与位置D相对应的像素值ERS(x,y)；
第六步：通过对监测区域中的每个离散位置进行第三、四、五步的操作，获得整个区域中的像素值矩阵ERS，将矩阵中具有最大像素值的点相对应的位置视为损伤的中心位置Dc(xd,yd)；
第七步：激励第m个压电传感器，m＝1,……,kl，并接收损伤引起的散射信号RAm(t)；然后从RAm(t)中提取直达波，计算出兰姆波从第m个压电传感器激发到接收所经过的时间ToFm；
第八步：根据第二步测量出的Vg(θ)和第七步计算出的ToFm，计算出对应于第m个压电传感器的边界点所处的轨迹Lbm(θ)；然后结合第六步中得到的Dc(xd,yd)和Lbm计算出对应于第m个压电传感器的边界点B(xbm,ybm)；
第九步：重复第七、八步，直到所有的压电传感器均被用于激励和接收，而后得到辨识出的边界点的集合PB＝[PB1,PB2,...,PBkl]；
第十步：根据第九步的边界点集合PB，进行样条拟合，得到分层损伤轮廓的近似曲线db(j)，即分层损伤区域的近似表征；
第十一步：在第十步得到的分层损伤区域基础上，记td表示分层发生的深度，εn×1为测量得到的表面应变向量，损伤p(td|εn×1)为基于实测应变εn×1得到的任意分层深度td的后验概率；记td的先验概率p(td)为均匀分布，计算后验概率所需的似然函数为p(εn×1|td)；利用p(td)和p(εn×1|td)计算出p(td|εn×1)，将对应于p(td|εn×1)中最大值的td视为分层发生的深度位置。
本发明与现有技术相比的优点在于：
本发明针对结构服役过程中的损伤准确辨识的迫切需求，实现了一种复合材料层合结构分层损伤准确辨识的方法，对于安全性的实时评估和剩余性能分析的准确性提供了很大帮助。相比较于传统的辨识方法，该方法不仅充分考虑了工程实际中对于测量条件的限制，采用了符合在线监测要求的主动式和被动式监测手段，同时利用所提出的两步协同的方法和策略保证了对于分层的几何区域形状和深度的兼顾，保证了损伤监测的准确性和实用性。因此，该方法从可靠度、精度和实用性上都具有很好的表现，在实现损伤监测全面性的同时，降低资源消耗，保证辨识精度。
附图说明
图1是本发明提出的一种轮廓与深度顺序辨识的复合材料分层损伤辨识流程图；
图2是本发明的实施例中所采用复合材料层合板模型的示意图，其中(a)指的是几何模型和铺层信息，(b)指的是传感器布置的信息；
图3是本发明的实施例中所测量的波速沿环向的分布规律示意图，其中(a)指的是环形压电传感器布局，(b)指的是测量出的波速的分布规律；
图4是本发明的实施例中用于模拟导波传播的有限元模型细节示意图，其中(a)指的是该模型的局部细节图，(b)指的是模型的俯视图；
图5是本发明的实施例中用于辨识分层损伤深度的有限元模型示意图，其中(a)指的是分层损伤区域的局部放大图，(b)指的是结构的边界条件和载荷；
图6是本发明的实施例中辨识出的分层损伤区域的中心和轮廓对比示意图，其中(a)指的是对损伤中心辨识时的云图分布，(b)指的是辨识出的损伤区域；
图7是本发明的实施例中辨识出的分层深度与预置的分层损伤深度的对比结果示意图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示，本发明提出了轮廓与深度顺序辨识的复合材料分层损伤辨识流程图，包括以下步骤：
第一步：首先设计传感器位置，记各个主动式传感器为PZTm,m＝1,…,kl,各个被动式传感器SGi,i＝1,…,n。根据层合结构的厚度和材料，选取合适的激励频率ωc，形成5波峰窄带正弦激励信号u(t)：
Figure BDA0003192097770000041
用θ表示兰姆波的传播方向和水平方向之间的夹角。考虑到层合结构的各向异性，因此在周向每间隔22.5°进行一次测量，从而得出结构完好状态下该中心频率的兰姆波对应的波包沿各个方向的传播速度Vg(θ)。
第二步：在结构使用的过程中，利用第m个压电传感器进行激励，m＝1,…,kl，其余的PZT进行信号接收。记两种状态下其余压电传感器接收到的时域信号分别为RAIq(t)和RADq(t)，q＝1,…,m,…,kl，从而得到由损伤引起的散射信号RAq(t)＝RADq(t)-RAIq(t)。然后，使用香农小波变换来获得该信号对应的时域能量分布ERAq(t)。
Figure BDA0003192097770000051
其中，shanWT指香农小波变换，max指求解最大值，abs指求解绝对值，||指取模值。
第三步：将监测区域进行离散化，设置出多个扫查点。扫查监测区域中的某个位置D(x,y)，并将位置D与每个压电传感器之间的距离记录为r′1,r′2,…,r′kl，和，将位置D相对于每个压电传感器的方位角记录为θ1,θ2,…,θkl。然后将ERAm(t),m＝1,……,kl进行反转，延迟和相位平移后叠加，得到合成后的信号ERSm(x,y)。
Figure BDA0003192097770000052
其中，τq指根据直达波包范围所确定的截断时间，θq指位置D(x,y)相对于第q个压电传感器的方位角。ERSm(x,y)表示位置D(x,y)处的合成信号的模值。
第四步：通过使用每个PZT依次激励，并执行第三步的操作，可以获得与位置D相对应的像素值ERS(x,y)。
Figure BDA0003192097770000053
其中，μm指对应于第m个压电传感器的权重系数，通常该权重系数取为1。
第五步：通过对监测区域中的每个离散位置进行第三、四步的操作，可以获得整个区域中的像素值矩阵ERS，利用该矩阵进行成像，可以直观筛选出结构中发生损伤的热点区域。而后将矩阵中具有最大像素值的点相对应的位置视为损伤的中心位置Dc(xd,yd)。
第六步：激励第m个压电传感器，m＝1,……,kl，并接收损伤引起的散射信号RAm(t)。然后从RAm(t)中提取直达波，计算出兰姆波从第m个压电传感器激发到接收所经过的时间ToFm。
第七步：根据第二步测量出的Vg(θ)和第六步计算出的ToFm，计算出对应于第m个压电传感器的边界点所处的轨迹Lbm(θ)。然后结合Lbm(θ)和第五步中得到的Dc(xd,yd)计算出对应于第m个压电传感器的边界点B(xbm,ybm)。
Lbm(θ)＝ToFm×Vg(θ)/2 (5)
其中θ为各个可能的位置与第m个压电传感器之间的方位角。寻找边界点B(xbm,ybm)的数学模型为：
Figure BDA0003192097770000061
其中Lbde表示对应的欧几里得距离；下标bm指第m个压电传感器对应的边界点，xbm,ybm分别指该边界点对应的横坐标和纵坐标；xd,yd指的是损伤中心坐标Lbde表示对应的欧几里得距离。
第八步：重复第六、七步，直到所有的压电传感器均被用于激励和接收。而后得到辨识出的边界点的集合PB＝[PB1,PB2,...,PBkl]。而后进行如下所示的B样条拟合，得到分层损伤轮廓的近似曲线db(j)，即损伤区域的近似表征。
Figure BDA0003192097770000062
Figure BDA0003192097770000063
Figure BDA0003192097770000064
第九步：记td表示分层发生的深度，εn×1为测量得到的表面应变向量，在第八步得到的分层区域基础上，建立以td为变量的含分层的参数化有限元模型。考虑到td为离散变量，计算出td各种取值情况下对应的应变向量取值。
第十步：记p(td|εn×1)为基于实测应变εn×1得到的任意分层深度td的后验概率。记td的先验概率p(td)为均匀分布，对应的似然函数为p(εn×1|td)。似然函数p(εn×1|td)需要通过在td给定时的实测应变和从仿真模型导出的计算应变之间的误差概率分布来描述。这里将该概率分布记为零均值高斯分布，其方差为σe。则似然函数p(εn×1|td)的表达式为：
Figure BDA0003192097770000065
其中，exp()为以自然常数e为底的指数函数，εi指第i个实测的应变测量值，εi(td)为分层损伤发生在深度td时计算所得的第i个应变值。从而得到各种可能的分层深度下的后验概率p(td|εn×1)计算结果：
p(td|εn×1)＝p(td)p(εn×1|td) (8)
筛选出p(td|εn×1)中最大值对应的td，将其为分层发生的深度位置。
实施例：
为了更充分地了解该发明的特点及其对工程实际的适用性，本发明针对如图2所示的含分层的复合材料层合板来验证该方法。
结构的几何信息如图2(a)所示。图2(b)给出了传感器的布局，载荷和边界设置。在这些传感器中，使用了8个压电传感器(PZT)来激发和接收板中的兰姆波，并且在复合材料层合板的下表面上布置了9个应变测点S1-S9，以测量结构经受z方向相反的载荷时在x方向上的应变。材料特性列于表1。
表1
Figure BDA0003192097770000071
为了充分考虑复合材料的各向异性，在完好板上安排了由17个PZT组成的图3(a)所示的环形PZT阵列。其中，V0用于激发兰姆波，而V1-V16用于接收兰姆波。5波峰值正弦窄带信号用于激发兰姆波，其中心频率为100kHz。为了确保动态分析的收敛性，将分析中使用的时间步长设置为10-8s，最大网格尺寸Lmax设置为1mm。根据波的传播距离与时间之间的关系，计算出群速度的极坐标分布如图3(b)所示。
在下面的分析中，当确定分层边界时，将进行兰姆波的显式动力学仿真。为了确保分析的准确性，使用了8节点实体单元，其近似尺寸为1mm×1mm×0.2mm。激励信号是中心频率为100kHz的窄带5周期正弦信号。用于动态分析的时间步长为10-8s，时间长度为400μs。以多边形分层为例，图4显示了已建立的用于仿真兰姆波的有限元模型的细节。对于分层深度辨识，建立接触模型以模拟其力学行为。模型的网格，边界条件和载荷如图5所示。在该实施例中，我们将分层预置在第7和第8层之间，下面利用所提的方法对分层区域的几何形状和深度进行辨识。
如图6(a)所示，对于该多边形形状的分层，该方法可以非常准确地估计损伤中心位置，证明了该方法的鲁棒性。同时，通过比较热点区域的形状和真实的损伤形状，可以发现识别结果可以在一定程度上反映损伤形状。如图6(b)所示，就损伤边界的包络程度而言，对于预置的不规则多边形分层，包络的完整性为100％，是令人满意的。如图7所示，在辨识出的分层区域的基础上，所辨识出的分层损伤的深度位置与预置的完全相同，证明了所提方法的准确性。基于这样的识别结果，提出的方法在损伤轮廓和深度识别方面具有良好的可靠性与精度。值得一提的是，目前所有相关的分层损伤辨识方法中，没有任何一种可以在这样的传感器基础上实现该方法所达到的准确辨识，因此本发明所提方法，在精度和可行性上好于现有方法。
综上所述，本发明借助主动激励产生的兰姆波和被动加载下测量表面应变信号，结合所提出的轮廓辨识和深度辨识的实现流程，可以准确地包络层合结构的分层损伤区域和辨识其发生的深度，具有良好的可靠性和实用性。
以上仅是本发明的具体步骤，对本发明的保护范围不构成任何限制；凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。
本发明未详细阐述部分属于本领域技术人员的公知技术。

Claims (7)

1.一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：实现步骤如下：
第一步：针对所要分析的复合材料结构，布置主动式压电传感器和被动式应变传感器，其中，按照阵列的方式布置kl个主动式压电传感器，在结构的传力路径上共布置n个表面应变传感器；
第二步：在结构上布置环形分布的主动式压电传感器，给定激励频率ωc，以该频率为中心频率，形成5波峰窄带正弦激励信号u(t)，激励出兰姆波；用θ表示兰姆波的传播方向和水平方向之间的夹角，在结构完好状态下测量该兰姆波对应的波包沿各个方向的传播速度Vg(θ)；
第三步：在结构上按照矩形阵列布置共kl个压电传感器；利用第m个主动式压电传感器进行激励，m＝1,…,kl；当层合结构处于完好和损伤状态时，进行第二步中的兰姆波激励，记两种状态下其余PZT接收到的时域信号分别为RAIq(t)和RADq(t)，q＝1,…,m,…,kl，从而得到由损伤引起的散射信号RAq(t)＝RADq(t)-RAIq(t)；然后，使用香农小波变换来获得该信号对应的时域能量分布ERAq(t)；
第四步：依次扫查监测区域中的每个位置D(x,y)，并将位置D与每个压电传感器之间的距离记录为r′1,r′2,…,r′kl，和，将位置D相对于每个压电传感器的方位角记录为θ1,θ2,…,θkl；然后将ERAm(t),m＝1,……,kl进行反转，延迟和相位平移后叠加，得到合成后的信号ERSm(x,y)；
第五步：通过使用每个PZT依次激励，并执行第四步的操作，获得与位置D相对应的像素值ERS(x,y)；
第六步：通过对监测区域中的每个离散位置进行第三、四、五步的操作，获得整个区域中的像素值矩阵ERS，将矩阵中具有最大像素值的点相对应的位置视为损伤的中心位置Dc(xd,yd)；
第七步：激励第m个压电传感器，m＝1,……,kl，并接收损伤引起的散射信号RAm(t)；然后从RAm(t)中提取直达波，计算出兰姆波从第m个压电传感器激发到接收所经过的时间ToFm；
第八步：根据第二步测量出的Vg(θ)和第七步计算出的ToFm，计算出对应于第m个压电传感器的边界点所处的轨迹Lbm(θ)；然后结合第六步中得到的Dc(xd,yd)和Lbm计算出对应于第m个压电传感器的边界点B(xbm,ybm)；
第九步：重复第七、八步，直到所有的压电传感器均被用于激励和接收，而后得到辨识出的边界点的集合PB＝[PB1,PB2,...,PBkl]；
第十步：根据第九步的边界点集合PB，进行样条拟合，得到分层损伤轮廓的近似曲线db(j)，即分层损伤区域的近似表征；
第十一步：在第十步得到的分层损伤区域基础上，记td表示分层发生的深度，εn×1为测量得到的表面应变向量，损伤p(td|εn×1)为基于实测应变εn×1得到的任意分层深度td的后验概率；记td的先验概率p(td)为均匀分布，计算后验概率所需的似然函数为p(εn×1|td)；利用p(td)和p(εn×1|td)计算出p(td|εn×1)，将对应于p(td|εn×1)中最大值的td视为分层发生的深度位置。
2.根据权利要求1所述的一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：所述第二步中，5波峰窄带正弦激励信号u(t)的表达式为：
Figure FDA0003192097760000021
其中ωc指中心频率，t指时间。
3.根据权利要求1所述的一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：所述第三步中，时域能量分布ERAq(t)的表达式为：
Figure FDA0003192097760000022
其中，shanWT指香农小波变换，max指求解最大值，abs指求解绝对值，||指取模值。
4.根据权利要求1所述的一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：所述第四步中，合成后的信号ERSm(x,y)的表达式为：
Figure FDA0003192097760000023
其中，τq指根据直达波包范围所确定的截断时间，θq指位置D(x,y)相对于第q个压电传感器的方位角。
5.根据权利要求1所述的一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：所述第五步中，像素值ERS(x,y)的表达式为：
Figure FDA0003192097760000024
其中，μm指对应于第m个压电传感器的权重系数。
6.根据权利要求1所述的一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：所述第八步中，Lbm(θ)的表达式为：
Lbm(θ)＝ToFm×Vg(θ)/2 (5)
其中θ为各个可能的位置与第m个压电传感器之间的方位角；
寻找边界点B(xbm,ybm)的方法为：
Figure FDA0003192097760000031
其中Lbde表示对应的欧几里得距离；下标bm指第m个压电传感器对应的边界点，xbm,ybm分别指该边界点对应的横坐标和纵坐标；xd,yd指的是损伤中心坐标。
7.根据权利要求1所述的一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法，其特征在于：所述第十一步中，似然函数p(εn×1|td)的表达式为：
Figure FDA0003192097760000032
其中，σe为定义的零均值高斯分布的方差，exp()为以自然常数e为底的指数函数，εi指第i个实测的应变测量值，εi(td)为分层损伤发生在深度td时计算所得的第i个应变值；
后验概率p(td|εn×1)的表达式为：
p(td|εn×1)＝p(td)p(εn×1|td) (8)。
CN202110881261.9A 2021-08-02 2021-08-02 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法 Active CN113720907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110881261.9A CN113720907B (zh) 2021-08-02 2021-08-02 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110881261.9A CN113720907B (zh) 2021-08-02 2021-08-02 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法

Publications (2)

Publication Number Publication Date
CN113720907A true CN113720907A (zh) 2021-11-30
CN113720907B CN113720907B (zh) 2022-08-12

Family

ID=78674593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110881261.9A Active CN113720907B (zh) 2021-08-02 2021-08-02 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法

Country Status (1)

Country Link
CN (1) CN113720907B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114813943A (zh) * 2022-04-19 2022-07-29 北京航空航天大学 基于兰姆波相位延迟的胶接接头脱粘轮廓评估方法
CN114965522A (zh) * 2022-05-13 2022-08-30 中国人民解放军陆军工程大学 一种测量复合材料层合板内部分层损伤的方法
CN115166042A (zh) * 2022-07-28 2022-10-11 北京航空航天大学 基于改进最小方差成像的复合材料损伤轮廓识别方法
CN115753998A (zh) * 2022-12-07 2023-03-07 大连理工大学 用于服役环境下飞行器复合材料结构损伤的监测方法及监测系统
CN116029067A (zh) * 2023-02-13 2023-04-28 天津华能变压器有限公司 变压器散热结构优化设计方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107256322A (zh) * 2017-08-17 2017-10-17 北京航空航天大学 一种基于高灵敏度融合指标的复合材料层合板分层损伤识别方法
CN108845034A (zh) * 2018-06-27 2018-11-20 中国商用飞机有限责任公司 复合材料层合板结构分层损伤监测方法
CN109001380A (zh) * 2018-08-31 2018-12-14 河海大学 一种复合材料层合梁分层损伤位置检测方法
CN110333288A (zh) * 2019-06-17 2019-10-15 西安交通大学 一种基于界面波的双层金属复合板的分层损伤成像方法
CN111859747A (zh) * 2020-07-14 2020-10-30 上海交通大学 基于损伤映射有限元网格的分层量化方法
CN112613129A (zh) * 2020-12-30 2021-04-06 大连理工大学 一种基于逆有限元与微元动态响应法的复合材料板壳结构健康监测方法
CN112763452A (zh) * 2020-12-29 2021-05-07 西北工业大学 一种复合材料分层损伤的检测方法及系统
US20210148861A1 (en) * 2019-11-18 2021-05-20 University Of South Carolina Angle-beam guided waves for composite-damage identification and monitoring

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107256322A (zh) * 2017-08-17 2017-10-17 北京航空航天大学 一种基于高灵敏度融合指标的复合材料层合板分层损伤识别方法
CN108845034A (zh) * 2018-06-27 2018-11-20 中国商用飞机有限责任公司 复合材料层合板结构分层损伤监测方法
CN109001380A (zh) * 2018-08-31 2018-12-14 河海大学 一种复合材料层合梁分层损伤位置检测方法
CN110333288A (zh) * 2019-06-17 2019-10-15 西安交通大学 一种基于界面波的双层金属复合板的分层损伤成像方法
US20210148861A1 (en) * 2019-11-18 2021-05-20 University Of South Carolina Angle-beam guided waves for composite-damage identification and monitoring
CN111859747A (zh) * 2020-07-14 2020-10-30 上海交通大学 基于损伤映射有限元网格的分层量化方法
CN112763452A (zh) * 2020-12-29 2021-05-07 西北工业大学 一种复合材料分层损伤的检测方法及系统
CN112613129A (zh) * 2020-12-30 2021-04-06 大连理工大学 一种基于逆有限元与微元动态响应法的复合材料板壳结构健康监测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘增华等: "基于概率损伤算法的复合材料板空气耦合Lamb波扫描成像", 《复合材料学报》 *
孙汝杰等: "核密度估计法在板件概率损伤识别中的应用", 《振动.测试与诊断》 *
王晓军等: ""Anisotropic reduction factor‐based damage identification method for fiber‐reinforced composite laminates"", 《WILEY》 *
王梓尧等: "基于Lamb波的复合材料结构分层损伤扩展监测研究", 《复合材料科学与工程》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114813943A (zh) * 2022-04-19 2022-07-29 北京航空航天大学 基于兰姆波相位延迟的胶接接头脱粘轮廓评估方法
CN114813943B (zh) * 2022-04-19 2024-04-26 北京航空航天大学 基于兰姆波相位延迟的胶接接头脱粘轮廓评估方法
CN114965522A (zh) * 2022-05-13 2022-08-30 中国人民解放军陆军工程大学 一种测量复合材料层合板内部分层损伤的方法
CN114965522B (zh) * 2022-05-13 2023-09-15 中国人民解放军陆军工程大学 一种测量复合材料层合板内部分层损伤的方法
CN115166042A (zh) * 2022-07-28 2022-10-11 北京航空航天大学 基于改进最小方差成像的复合材料损伤轮廓识别方法
CN115166042B (zh) * 2022-07-28 2024-04-09 北京航空航天大学 基于改进最小方差成像的复合材料损伤轮廓识别方法
CN115753998A (zh) * 2022-12-07 2023-03-07 大连理工大学 用于服役环境下飞行器复合材料结构损伤的监测方法及监测系统
CN116029067A (zh) * 2023-02-13 2023-04-28 天津华能变压器有限公司 变压器散热结构优化设计方法和装置
CN116029067B (zh) * 2023-02-13 2023-05-30 天津华能变压器有限公司 变压器散热结构优化设计方法和装置

Also Published As

Publication number Publication date
CN113720907B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN113720907B (zh) 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法
Kessler Piezoelectric-based in-situ damage detection of composite materials for structural health monitoring systems
Thiene et al. Optimal sensor placement for maximum area coverage (MAC) for damage localization in composite structures
Selva et al. Smart monitoring of aeronautical composites plates based on electromechanical impedance measurements and artificial neural networks
Shoja et al. Delamination detection in composite laminates using low frequency guided waves: Numerical simulations
Sun et al. Vibration-based damage identification in composite plates using 3D-DIC and wavelet analysis
Zima et al. Guided waves for monitoring of plate structures with linear cracks of variable length
Hiche et al. A strain amplitude-based algorithm for impact localization on composite laminates
Giurgiutiu Piezoelectric wafer active sensors for structural health monitoring of composite structures using tuned guided waves
Memmolo et al. Model assisted probability of detection for a guided waves based SHM technique
Winston et al. Structural health monitoring with piezoelectric active sensors
Cuomo et al. High velocity impact on generic CFRP blade specimen: baseline free method for impact localisation and damage assessment on complex structures
Park et al. Piezoelectric sensor-based health monitoring of railroad tracks using a two-step support vector machine classifier
Boffa et al. About the combination of high and low frequency methods for impact detection on aerospace components
Medeiros et al. Vibration-based structural monitoring of bi-clamped metal-composite bonded joint: experimental and numerical analyses
Shpak et al. Theoretical and experimental investigation of Lamb waves excited by partially debonded rectangular piezoelectric transducers
Fakih et al. Robust localization and classification of barely visible indentations in composite structures by fusion of ultrasonic damage indices
Feng et al. Locating low velocity impacts on a composite plate using multi-frequency image fusion and artificial neural network
Samaitis et al. Ultrasonic methods
Montalvao A modal-based contribution to damage location in laminated composite plates
Oliver et al. Wavelet transform-based damage identification in laminated composite beams based on modal and strain data
Lee et al. De-bonding detection on a CFRP laminated concrete beam using self sensing-based multi-scale actuated sensing with statistical pattern recognition
de Medeiros et al. Experimental analyses of metal-composite bonded joints: damage identification
Ding et al. Sequential quantification strategy of delamination in composite laminate via collaborative active and passive monitoring
Sharma Laser doppler vibrometer for efficient structural health monitoring

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant