论文部分内容阅读
随着科学技术的进步和社会经济、工业的发展，人们越来越重视一些典型工程结构和新型材料结构在其使用寿命内的安全性和可靠性，例如桥梁建设中常用到的桁架结构，以及飞机、航天器上大面积使用的复合材料结构等。上述结构的服役过程中，受载荷、环境等影响，会出现不同程度的损伤和结构变化，从而给人身和财产安全带来严重隐患。超声导波作为一种新型无损检测方法，具有检测效率高、速度快等优点，特别适合板状结构的较大范围健康检测。机电阻抗法是一种有效的非参数的结构健康监测方法，特别适用于对桁架结构和板状结构的局部状况进行实时在线监测。 本课题基于机电阻抗技术，结合BP神经网络数据处理方法，用于桁架结构在加载状况下的监测和载荷的定位、定量识别;基于机电阻抗技术和超声导波技术，运用数据融合算法将二者相结合，用于复合材料板结构的健康监测，并对损伤进行定位识别。具体研究内容如下: (1)基于机电阻抗技术，对桁架结构进行健康监测。首先选取合适的阻抗参数，确定敏感频段，证明监测节点的独立性;然后采集结构有无加载时的数据作为样本，建立神经网络进行训练和测试，最终实现结构载荷的定量和定位识别。 (2)机电阻抗和超声导波技术的影响要素分析和特性实验研究。对模拟缺陷的设置，缺陷到压电片的距离，以及复合材料纤维铺层方向等影响要素进行实验研究，保证后续实验的有效性和可靠性，并为其提供理论支撑。通过对超声导波波速的测量和对接收信号中直达波的截取，确保损伤指数能够正确反映结构变化。 (3)分别运用机电阻抗和超声导波方法确定损伤在复合材料梁和板上的范围，再结合有效的数据融合方法，确定两个范围的叠加区域为损伤所在位置，缩小损伤定位范围，提高定位精度。