论文部分内容阅读
大型石油储罐、飞机机翼蒙皮等板类结构具有待检测面积大、在线检测困难、安全要求高等特点，因此提出一种在线监测方法，保证这些关系到人身财产安全的重要设施的安全，具有重要的工程价值和研究意义。本文通过有限元仿真和实验研究的手段，将超声Lamb波技术应用于大型板类结构的检测。首先，基于三维有限元模型研究了Lamb波在板结构中的传播特性及其在缺陷处的散射场分布，为实现缺陷的定位与识别奠定了基础;其次，利用基于支持向量机的分类方法实现了圆孔缺陷几何尺寸参数的分类与识别;最后，采用优化的稀疏传感器阵列对处于不同位置的单、双缺陷进行检测，并通过两种成像算法实现了缺陷的定位。本文具体研究工作如下: (1)根据Lamb波双元激励法理论，在三维有限元仿真中激励出单一S0，A0和SH0模态，并利用波结构特性对复杂模态的Lamb波进行模态分离。为实现缺陷处散射场分布的提取，将基于阻尼系数递增的吸收边界方法用于三维有限元仿真模型，并对其参数进行优化研究。 (2)发展了一种基于支持向量机分类器的缺陷识别方法。利用分布于结构中的稀疏传感器阵列采集缺陷信号，并加入位移补偿算法求解缺陷散射系数矩阵;通过三维有限元仿真方法研究直径和深度参数不断变化时圆孔缺陷处的S0模态散射系数特征，利用支持向量机方法对不同深度的圆孔特征信息进行分类;在此基础上，按缺陷对结构健康危害程度将缺陷分为较小、中等和较大3类，建立多类支持向量机模型，分类效果良好，可识别出对结构健康危害较大的缺陷类型。 (3)搭建了基于稀疏传感器阵列的结构健康监测实验系统，实现了两种基于波包传播距离的缺陷成像定位算法—椭圆算法和双曲线算法。以通透圆孔和槽型裂纹两种典型缺陷为例，通过分析各自散射系数矩阵的特点，研究了不同传感器阵列分布对不同类型缺陷的检测效果，得出适用于于不同类型缺陷的最优阵列形式。