挠曲电悬臂结构的功率频率响应及频移分析

挠曲电效应因其对尺度的敏感性,在微纳尺度的传感器和能量收集器方面具有广阔的应用前景。该文基于挠曲电悬臂梁构建振动能量收集器理论模型,应用Hamilton原理,建立挠曲电悬臂梁结构的控制方程,借助模态分析获得挠曲电悬臂结构的功率频率响应。讨论了结构尺寸、末端质量块、负载阻抗和挠曲电系数等对挠曲电梁谐振频率和频率移动的影响。结果表明,适度增加挠曲电悬臂梁末端质量块的质量有利于提高能量收集器输出功率。当挠曲电悬臂梁能量收集器的负载阻抗接近其自身阻抗时输出功率最大,负载阻抗与结构谐振频率形成负反馈调节,在一定范围内谐振频率随负载增加而增加,并最终趋于频移极值。

激光超声导波分频段时域滤波及频率波数域逆时损伤成像

构建了一个激光激励和激光多普勒扫描拾振的完全非接触式超声导波损伤检测实验平台,实现对结构中超声导波场的高分辨率拾取,克服了常规接触式导波换能器致使波场检测空间分辨率低等不足。提出分频段时域滤波的方法,将激光超声宽频带信号分解为多个窄带信号以抑制频散效应,进而在无基准信号的前提下实现对损伤信号的提取;在此基础上应用频率波数域逆时损伤成像方法重构入射波场及损伤散射波场,以确定损伤边界,进而综合各窄带信号的损伤成像结果以获得更为精确的成像。仿真和实验结果表明:结合小波分析分频段时域滤波法与频率波数域逆时损伤成像方法能够实现各向同性板状结构中损伤的非接触检测,在工程实践上具有更广的应用价值。

Lamb波频域逆散射全聚焦成像方法研究

Lamb波因其传播距离远、衰减小常被用于板状结构的无损检测中,在基于Lamb波损伤检测的诸多成像技术中,全聚焦方法(Total Focus Method,TFM)方法因其成像分辨率高、信噪比高而受青睐。然而Lamb波的频散效应导致时域延时量不能被准确计算,进而影响传统TFM方法对损伤定位及成像的精度;此外,既有的TFM方法仅以回波幅值作为成像指标,忽略了Lamb波与损伤的相互作用,故而不能通过损伤表面的物理参数增强成像质量。针对这两个问题,本文首先在时域TFM基础上发展了频域TFM,在计算中纳入频散关系以规避频散的影响;其次以包含明确的损伤特征参数--反射率为成像指标,结合频域TFM方法建立损伤逆散射模型,以实现对损伤的准确成像。仿真和实验结果表明:频域逆散射TFM成像方法能够实现对铝板结构中的损伤检测,在工程实践中具有应用价值。

一种基于Lamb波的智能结构损伤识别方法

基于超声Lamb波的常规损伤检测方法依赖于精确的结构物理模型、烦琐的信号处理技术以及受限于不同的成像算法,致使损伤成像的精度和效率难以兼顾。针对高端装备关键结构快速、精准的智能化损伤检测需求,本文构建以压电片激励、激光多普勒测振仪拾振的检测平台以研究卷积神经网络自动提取Lamb波含损伤特征信息的方法。对结构内损伤待检测区域进行合理分区,将对损伤的检测转化为基于卷积神经网络的图像分类任务。依据损伤所在位置、大小的变化建立数据库,并使用数据增强技术扩大数据库;构建基于卷积神经网络的智能结构损伤识别模型用以建立结构损伤区域与Lamb波信号特征的映射关系,进而实现对板结构损伤的快速智能识别。实验验证结果表明:将卷积神经网络运用于基于Lamb波的损伤识别方法中,在实现快速、智能化的损伤检测方面有潜在的工程应用前景。