“传感器与测试技术”中的虚拟实验研究

面向飞行器设计与工程专业本科生,将“传感器与测试技术”课程与航空航天应用相结合,能够加深学生对传感器原理的理解、提高对测试技术的掌握,并促进理论和实践的联系。以飞行器结构无损检测的具体应用为基础,开展了结构虚拟检测实验平台的建立,探讨了虚拟实验在课程中运行和评测的方式,满足了学生动手操作实验的需求,实现了知识和应用的融合,促进了学生自主和探索式的学习。

基于振动测量的热防护结构脱粘损伤检测方法

针对典型飞行器热防护结构脱粘损伤现场快速无损检测的需求,提出了一种基于敲击测量频响函数的脱粘损伤识别方法。首先,利用有限元方法建立了含脱粘损伤的热防护结构有限元模型并进行了振动特性分析,分析了脱粘损伤引起的结构局部刚度下降规律以及频响函数对脱粘损伤的敏感性;其次,确定了脱粘损伤识别的特征频率范围,给出了一个脱粘损伤指标;最后,采用力锤与激光多普勒测振仪对含脱粘的热防护结构进行了测量。实验结果表明,当脱粘面积达到60%时,脱粘损伤指标比健康件增加了1倍以上,当脱粘面积达到80%时,脱粘损伤指标为健康件的5倍以上,验证了所提出的方法能够有效识别出热防护结构的脱粘损伤。

数据—机理融合驱动的复合材料疲劳损伤渐进分析方法

随着纤维增强复合材料在航空航天领域的广泛应用,复合材料的疲劳问题日益突现。为了实现高效准确的疲劳损伤分析,提出一种数据—机理融合驱动的复合材料疲劳损伤渐进分析方法,该方法利用单隐藏层神经网络作为内聚力模型的疲劳本构进行循环载荷下的疲劳分层模拟。采用基于Paris公式的损失函数约束项实现数据—机理融合的神经网络模型训练;在采用双悬臂梁和四点弯梁验证在纯Ⅰ型、纯Ⅱ型和混合型模式下的疲劳分层扩展分析能力后,进一步采用增强双悬臂梁(R-DCB)模型对具有复杂疲劳分层前缘情况下内聚力模型的适用性进行验证。结果表明:数据—机理融合驱动的复合材料疲劳损伤渐进分析方法能够实现快速有效的复合材料分层扩展预测,为复合材料结构设计和安全保障提供了新的思路和方法。

智能材料与结构及其在智能飞行器中的应用

为了满足民用和军事领域对智能飞行器日益增长的需求,在承载、连接等功能的基础上,具有自诊断、自适应、自控制、自修复等“智能功能”的智能结构应运而生。这一技术的出现显著地推动了航空领域的发展,如利用形状记忆合金作为驱动器驱动指定结构变形可以改变飞行器气动性能,而利用压电材料作为传感器和驱动器对结构进行健康监测和振动噪声控制是当前智能结构研究的重要方向。以此为背景,介绍了南京航空航天大学智能结构研究团队近十年来在智能结构方面的研究进展,以期为智能结构技术的发展与创新提供可以借鉴的思路。

面向航空复合材料结构的激光超声无损检测技术

针对层合形式含曲面的航空结构大面积检测难题,基于非接触式扫描的激光超声检测技术得到了广泛的研究与关注。该技术采用脉冲式激光激励结构中的超声波,获取超声波在检测区域内的传播数据,通过分析超声波传播特征参数的变化,实现结构损伤和性能的评估。围绕使用日益广泛的航空复合材料结构,从结构脱粘损伤的识别、疲劳损伤累积的表征和疲劳剩余寿命的预测3个方面,介绍了激光超声检测技术的相关研究进展。首先,以层合结构为例,研究了脱粘损伤对超声波传播的影响,通过能量、波数等特征参数提取,实现了脱粘损伤成像;其次,研究了纤维增强复合材料中基体裂纹累积对超声波模态转换效应的影响规律,通过量化模态转换效应对基体裂纹密度进行表征;最后,建立了基于损伤形式的复合材料疲劳演化模型,采用贝叶斯模型平均和激光超声的波速测量,完成了剩余疲劳寿命的预测,为未来激光超声检测在航空复合材料中的应用提供了参考。

基于深度学习的导波特征提取及其激光超声检测

针对激光超声检测中波场的三维数据处理计算量大且损伤特征提取难的问题,提出了一种基于深度学习模型的导波波场分析方法.首先,以VGG-Net网络为框架,建立了基于VGG11(A-LRN)的残差网络模型,用于挖掘时间-空间波场数据中的导波特征;其次,以局部波数特征为物理机理,采用导波传播的解析式生成训练样本,解决了深度学习大数据获取的问题,获得了波场特征提取的神经网络模型;最后,以激光超声系统在含损伤结构中的实验数据作为测试样本,验证了所提出的网络模型能够提取表征损伤的导波特征,实现了结构的损伤成像,其损伤成像精度均在67%以上,损伤形貌的可视化效果好。

基于导波原位检测的复合材料疲劳表征与寿命预测研究

随着复合材料在先进飞行器结构中占比的逐渐增加,复合材料在服役过程中力学性能的变化对飞行器整体的安全至关重要。为了实现基于导波原位检测的飞行器复合材料整体部件疲劳评估和寿命预测,首先,从宏观和细观的角度研究复合材料疲劳损伤演化规律;在此基础上,通过分析导波波场信息,探究导波相速度、模态能量比等特征在表征复合材料疲劳方面的潜力;其次,从复合材料损伤机理出发,建立导波相速度与疲劳损伤累积的演化模型;然后,构建深度学习框架,以数据驱动的方式从导波波场中提取疲劳演化特征;最后,提出基于贝叶斯模型平均方法的疲劳演化模型,对复合材料剩余疲劳寿命进行预测。结果表明:通过提取和分析导波特征信息,可以准确地对复合材料疲劳状态进行表征,结合贝叶斯模型平均方法和置信区间准则,实现了在试件疲劳破坏之前的剩余寿命预测。

综合案例设计在“传感器与测试技术”课程教学中的应用

“传感器与测试技术”课程涉及多学科交叉,在非电类专业本科生所学相应基础知识有限的情况下,如何利用有限学时达到最佳教学效果,是本课程面临的一个挑战。本文探讨了教学中对不同类型传感器知识体系的凝练方法,以综合案例的分析对不同学科知识进行交叉应用介绍,希望能够加深学生对理论知识的理解,锻炼学生综合思考的能力。