Page 118 - 《应用声学》2022年第4期

616 2022 年 7 月

在损伤信号分析与处理模块中，对采集的信号 模拟 3种不同程度的裂纹损伤，分别为无损、损伤程
利用时频域分析方法进行损伤信号的机理分析。根 度20%和损伤程度50%。
据时频域上特征参数的变化，提取时域上的波形特
征 Wf、波峰特征 Wp 与频域上的能量分布 Ed、能
量百分比 E 作为损伤的特征向量，建立损伤信息标 50%૯͞ 12 cm
准库。
20%૯͞
损伤程度评估模块是通过神经网络来实现，评
估过程包括从损伤信息标准库中选取损伤样本集，
将其分为训练集与测试集，然后训练与测试神经网
络，最后用未知损伤去验证网络的评估正确率。 0 mm 1.5 mm 2.5 mm 3.5 mm 4.5 mm 5.5 mm
4.2 实验方案设计
ӭʷጳ ͜ਖ٨ ᤰߘ૯͞ ᜈጯ૯͞
实验采用的材料为玻璃纤维环氧树脂复合材 ভ᫼ѵ
料板，其大小为 1000 mm×500 mm×3 mm，它的密
3
度为 1960 kg/m ，杨氏模量是 20 GPa，泊松系数是 图 8 多个线性阵列布置方案
0.17 [18−19] 。根据 Lamb 波传播频散特性，为了获得 Fig. 8 Multiple linear array layout
模态简单易于识别而便于信号分析与特征提取的 在纵向路径上，模拟通孔大小，分别采集 6 种
响应信号，兼顾时间分辨率和频率分辨率，选用窄带 不同程度的损伤，得到了 486 组信号。在横向路径
激励信号，中心频率限制在 20 ∼ 200 kHz 区间，激 上，则模拟裂纹损伤，分为 3 种程度，共采集到 252
励出A0或者S0模态为主的激励信号(如图1所示)， 组信号。
经过分析和实验测试，选定中心频率为 60 kHz。实
4.3 实验结果分析
验中采用的系统设备如图7所示。
实验提取到的特征参数本身具有一定的物理
实验中，采集不同程度损伤的数据，由于不同
意义，同时与其他的特征参数也存在不同的量纲，
损伤程度的样本较多、数据较大，所以采用了单一
因此，需要对提取到的特征参数进行尺度上的归
线性阵列作为实验传感阵列。为了尽可能多地获得
一化处理。归一化后的不同程度的损伤，对典型损
和分析实验数据样本，传感阵列布置了 4 行 6 列共
伤通孔 (0 mm，1.5 mm，2.5 mm，3.5 mm，4.5 mm，
24个传感器。
5.5 mm)的时域特征向量、频域特征向量、时频域特
征向量 3 种特征向量分别进行了可分性比较。根据
ԍႃ᫼ѵˁܭՌెந౜
上面计算的波形特征 Wf、波峰特征 Wp、能量分布
,) Ҫဋஊܸ٨ Ed、能量百分比E，分别定义3种特征向量的如下：
(1) 时域的特征向量：[Wf 0 , Wf 1 , · · · , Wf 7 ,
ႃᕳஊܸ٨ Wp 0 , Wp 1 , · · · , Wp 7 ];

(2) 频域的特征向量：[Ed 0 , Ed 1 , · · · , Ed 7 , E 0 ,
NI USB-6366
E 1 , · · · , E 7 ];
(3) 时频域的特征向量：[Wf 0 , Wf 1 , · · · , Wf 7 ,
图 7 实验设备图
Wp 0 , Wp 1 , · · · , Wp 7 , Ed 0 , Ed 1 , · · · , Ed 7 , E 0 , E 1 ,
Fig. 7 Experimental equipment diagram
· · · , E 7 ]。
如图 8 所示，激励和接收相距 12 cm，每一对激 同种程度损伤特征向量归一化之后的类内距
励接收传感器为一单一线性阵列。在复合材料板 离的统计如图 9 所示。可以看出，同种程度的损
上模拟不同程度的损伤，通过模拟典型损伤通孔， 伤特征向量时频域中的差异性较大，计算它们的
分别在纵向路径上制造出大小为 0 mm、1.5 mm、 均值和均方差分别为时域 (0.7466/0.0229)、频域
2.5 mm、3.5 mm、4.5 mm、5.5 mm。在横向路径上 (0.7579/0.0046)、时频域(0.7759/0.0462)，可以得到