复合材料圆筒损伤的改进时间反转导波监测

针对复合材料阻尼较大导致传统概率成像方法存在损伤定位精度较低的问题,提出了基于改进时间反转导波的概率成像方法,并用于复合材料圆筒的损伤监测中。该方法通过在时域内反转压电传感器接收到的响应导波信号,将其记录为参考再发射信号(RRS)。分别在健康和损伤状态下激发相同的RRS信号,重建两种工况下的原始激励信号。将重构信号在健康状态下与损伤状态下的能量比值作为损伤指标,结合现有的概率成像方法实现对损伤的定位和成像。对复合材料圆筒上的模拟损伤开展了试验验证,并与传统方法的损伤定位精度进行了比较。结果表明,改进时间反转法对复合材料结构的损伤具有更高的定位精度及更好的敏感性,验证了该方法在复合材料结构脱粘损伤定位中的可行性和准确性。

基于压电传感器的螺栓松动智能监测技术研究

螺栓连接易于组装和承载能力强,被广泛用于飞行器部组件连接。由于设计和安装不当、服役载荷和环境影响,螺栓连接容易失去预紧力。螺栓连接松动会降低结构的可靠性,甚至导致结构失效。准确监测螺栓预紧力对于确保飞行器结构的可靠性和安全性具有重要意义。超声导波和机电阻抗技术是常用的结构健康监测方法。近年来机器学习技术,特别是深度学习技术迅速发展,受到了广泛关注。针对基于压电传感器的螺栓预紧力智能监测方法进行了综述,包括传统机器学习技术和深度学习技术的应用,梳理预紧力智能监测的发展现状和重要进展,为推动连接结构健康监测的技术发展和工程应用提供参考。