论文部分内容阅读
本文综合使用了神经网络技术和小波变换技术，对提出的通过直接分析激光激发Lamb导波信号来评价双层复合板粘结层特性的方法进行了深入的研究。这种方法不需要知道Lamb波在传播过程中各模式的群速度等复杂的声学参数。文章里运用改进的分类算法对三种粘结界面(即刚性界面、滑移界面和弱界面)的理论和实验波形进行了分类。本文给出了三种粘结界面的工程分类标准，并用实验数据验证了这种分类标准的合理性和可行性。
神经网络的训练样本库的数据主要来源于理论的数值模拟结果。双层板本征函数展开法(NME)用来分析激光超声导波在双层复合板中的传播特性，通过解算方程的数值解，可以得到各种状态下的模拟结果，据此分析成果建立了激光激发瞬态Lamb波的样本库。小波变换(WT)技术用来对样本库信号进行预处理，获取样本的特征向量，以减小网络的冗余，提高运行效率。预处理的目的是要获得瞬态导波波形信号的特征向量，这样可以大大降低神经网络输入层的规模。预处理后得到的信号样本特征向量经归一化后被直接作为神经网络的输入层的数据，输出依分类标准而定。稳定而精确的分类结果证明了这种评价方法的有效性，经网络回归特性分析证明，经参数调整和优化设计后，神经网络分类的平均成功率达到了98％以上。
第一章总体介绍了本文的研究背景及主要研究内容，阐述了多层复合材料在工业应用中的优点和及其在使用过程中可能出现的问题。论述了激光超声导波在检测粘结层粘结状态方面的可靠性和有效性。在本章的最后，对小波变换技术和神经网络技术的发展历程、理论和到目前为止在各个领域中的应用前景均做了详细阐述。
第二章介绍了激光激发双层复合粘结板粘结层中导波传播的基本理论，分析了中间粘结层不同粘结状态对导波传播特性的影响。阐述了双层板本征模式及色散关系，完整地介绍了双层本征函数展开法，并在此基础上进行数值计算，给出了激光激发双层粘结板中传播的瞬态导波的数值模拟结果。此结果用来构建神经网络建立后的训练样本库，样本库的数据包含了典型导波波形的各种特性以及各种形态，为其后建立精确的分类和反演神经网络模型设计奠定了基础。
第三章对激光激发瞬态导波的实验系统进行了研究。详细介绍了整个实验系统构造、实验过程以及样品制备。分别给出了硅胶、环氧树脂、VHB-F9460胶作为中间粘结介质时的实验波形。根据实际的实验结果，给出了不同状态下接收的正常导波波形，和发生畸变的波形数据。
第四章对双层复合粘结板粘结层特性的工程分类标准做了探讨，并对得出的分类标准从瞬态波形和时频变换结果等几个方面进行了对比论证。
第五章提出了优化的神经网络算法，利用概率神经网络(PNN)对双层粘结板中间层粘结特性进行评估和分类。对小波变换技术和神经网络技术进行了简要的介绍，并详细介绍了如何利用小波变换技术提取Lamb波信号的特征，得出特征向量作为神经网络的输入，减小网络输入维数，降低冗余。针对本文的研究历程，提出了改进的神经网络算法。详细比较了BP神经网络和概率神经网络在理论算法、模型建立、训练过程、训练结果等方面在分类效果上的差异。最后给出了理论数据和实验数据两种状态下的网络分类结果，即双层复合板粘结特性的评价结果，证明了PNN网络的有效性。
第六章总结了全文的主要结论，提出了后期工作的要点。