基于卷积神经网络的GFRP/NOMEX蜂窝夹层结构缺陷红外热成像检测

蜂窝夹层结构是复合材料领域的重要结构形式之一,由于其制备工艺复杂服役环境恶劣,极易产生分层、脱粘等缺陷,严重影响材料使用寿命。为确保相关构件的使用性能以及质量安全,有必要通过合适的无损检测技术对蜂窝夹层结构进行定期的质量监测以及探伤。因此,实现缺陷的量化检测是预防以及解决此类问题发生的根本。基于红外热成像技术以含预制分层及脱粘缺陷的GFRP/NOMEX蜂窝夹层结构试件为研究对象进行脉冲红外热波无损检测试验研究,采集若干帧试件表面温度信号分布热图,取若干缺陷区域及健康区域内像素点的温度信号构建样本数据集,并将其随机划分为训练集及验证集,取第四行缺陷中心水平线区域作为测试集数据。结合卷积神经网络技术实现GFRP/NOMEX蜂窝夹层结构缺陷检测识别以及深度预测。分析一维卷积神经网络结构,引入多尺度空洞卷积、残差模块、注意力机制,搭建一维卷积神经网络预测模型,使用构建的温度信号数据集训练搭建的网络模型。训练结果表明,验证集和训练集的Loss及RMSE趋势一致,验证集最终Loss为1.67×10^(-5),RMSE为0.0058,并未出现过拟合现象。将测试集数据输入至训练完成的网络中。结果表明,所搭建的网络可以有效识别出缺陷,对于缺陷中心处的深度预测误差控制在2%以内。将卷积神经网络与红外热成像检测技术相结合,能够实现GFRP/NOMEX蜂窝夹层结构缺陷的可靠性检测及缺陷埋深的稳定预测,同时为其他复合材料缺陷识别以及量化检测提供参考。

光纤Sagnac传感器对材料频率特性的实验研究

不同的材料由于物理性质不同,在断裂时会产生不尽相同的声发射信号。光纤声发射传感器以其频带宽,抗电磁干扰,灵敏度高,体积小等优点在声发射(AE)信号探测方面有着广泛的应用前景。本文采用光纤Sangac传感器,对不同材料断裂过程的声发射信号进行检测,通过快速傅立叶变换分析其频谱。实验得知同一种材料断裂的声发射信号具有相同的频率特征。为材料结构健康水平的评估与监测提供了一种新的依据。

AUV协同定位性能与编队构型分析

针对三领航艇自主水下航行器(AUV)协同导航系统,在不简化距离量测方程的前提下推导系统定位性能评价函数,在此基础上分析系统定位性能与编队构型、集群航速以及艇间距离之间的耦合关系。同时,通过理论分析证明在一定条件下该系统定位性能评价函数可以退化为最简形式,且该最简定位性能评价函数与误差椭圆法、Fisher信息矩阵法相关结果在表达形式上具有一致性。进一步,通过推导AUV位置估计的克拉美-罗下界(CRLB)完善系统定位性能评价函数并定量分析艇间测距噪声对系统定位性能的影响。最后,基于系统定位性能评价函数分析构建三领航艇协同导航系统最优、次优与最差编队构型,并通过仿真实验证明分析结论与编队构型的有效性。仿真实验结果表明,当AUV集群以最优、次优编队构型航行时,降低集群速度可以在一定程度上提高系统定位性能,在本文设置实验条件下系统定位精度可以提高9.11%,但改变艇间距离对定位性能几乎没有影响;当AUV集群以最差编队构型航行时,降低集群速度与缩短艇间距离均可提高系统定位性能,若两者同时满足将大幅提高系统定位性能,在本文设置实验条件下系统定位精度分别提高63.17%、63.99%与81.50%。

蜂窝夹层结构缺陷红外热成像检测及缺陷分类

为实现GFRP/NOMEX蜂窝夹层结构常见缺陷的准确分类,基于红外热成像无损检测技术,采用卷积神经网络及迁移学习技术建立GFRP/NOMEX蜂窝夹层结构缺陷的分类模型,比较微调的VGG16、MobileNetV2、ResNet50、InceptionV3、DenseNet201模型对于缺陷的分类效果,结果表明以上模型针对GFRP/NOMEX蜂窝夹层结构蒙皮脱粘缺陷、夹层脱粘缺陷、积水缺陷、堵胶缺陷及健康区域均可实现准确的识别分类,其准确率均在94%以上。其中基于VGG16的两种迁移学习模型及ResNet50的迁移学习模型对于此数据集的分类效果优于其余几种经典模型的迁移学习网络,其准确率分别达到99.94%、99.10%、98.95%,五个类别φ值得分均高于96%,可实现缺陷区域及健康区域的有效分类。

惯性基组合导航仿真实验平台在实验教学中的应用

为完善“惯性导航系统原理”实验教学环节,基于Matlab GUI设计并开发惯性基组合导航仿真实验平台。该仿真实验平台具有导航传感器数据产生、仿真条件设置、仿真结果显示以及仿真过程调试等功能,包括捷联惯性导航、惯性/卫星组合导航以及惯性/多普勒计程仪组合导航实验。基于该仿真实验平台开展“惯性导航系统原理”实验教学,具有实验教学方法设计合理、实验平台界面设计科学、代码可移植与可扩展性好等优点;同时,学生可手动设置各种仿真实验条件从而快速、直观地观察载体机动状态、仿真参数对导航算法的影响,有利于学生深入理解惯性基组合导航理论。