基于印刷感应层电学稀疏成像的蜂窝夹层结构冲击损伤识别

蜂窝夹层结构在航空航天领域具有广泛的应用,但其在使用过程中不可避免地会遭受损伤,特别是冲击造成的损伤对其强度有很大的影响。本文结合现代电子印刷技术,采用石墨烯导电碳油墨和银浆油墨在蜂窝夹层结构表面制备智能感应层,结合电学成像技术对低速冲击损伤进行识别。使用落锤冲击试验装置对蜂窝夹层结构进行了低速冲击,并于冲击前后在印刷感应层中注入微小电流获取边界电压变化。对电压数据进行分析,基于SpaRSA稀疏正则化算法重建感应层电导率变化的图像,将损伤信息可视化。实验结果表明,所提出方法能有效地识别出蜂窝夹层结构中冲击损伤的个数、位置和大致尺寸,与传统基于Tikhonov正则化的算法相比,稀疏成像算法对损伤尺寸的识别效果更好,为蜂窝夹层结构冲击损伤在线识别提供了一种新途径。

基于电学成像与深度学习的蜂窝结构冲击损伤识别研究

针对蜂窝夹层结构遭受外物冲击的情况,提出结合电学成像和深度学习的方法,对冲击损伤进行在线监测和识别,为结构完整性评估和决策提供准确信息。首先通过丝网印刷技术,使用碳油墨和银浆油墨在结构表面分别制备感应层和导电线路;然后对不同数量、位置和尺寸的冲击损伤进行数值仿真,获取对应的感应层电导率变化与边界电压变化数据样本,由残差神经网络进行深度学习,建立二者的映射关系;最后在结构遭受冲击前后分别测量感应层的边界电压数据,通过训练好的残差神经网络重建感应层电导率变化分布的图像,实现损伤信息的识别。通过对蜂窝夹层结构进行低速冲击试验,验证了所提出技术和方法的可行性和有效性。