碳纤维复合材料损伤的超声检测主要的挑战和未来发展方向

主要的挑战和未来的发展方向

应用于碳纤维复合材料的超声阵列检测技术在近几十年的发展中取得了很大的进步，且新技术和新手段的出现为该领域带来了新的发展动力和方向。但是，面临不断推出复杂结构的新型碳纤维复合材料，如何高效、可靠、精确地检测并评估出这些材料中各种类型的损伤仍然面临挑战。

(1) 构建复杂环境下不同材料结构的声学模型

随着碳纤维复合材料的大量使用，为节省维修成本和充分利用这些复合材料以达到经济利益最大化，对这些服役材料寿命的评估与预测是具有广阔的市场应用需求的。

随着计算机技术的快速发展，使得超声检测技术和成像方法在算法方面朝向更高精度、更便捷、更高效、更准确的方向去发展。

应用于无损检测领域的机器学习方法有人工神经网络（ANN）、深度神经网络（DNN）和支持向量机（SVM）等方法。ANN是模仿大脑神经网络结构和功能建立起来的信息处理系统，包含输入层、隐含层和输出层。DNN与ANN类似，通过建立多层隐含层的模型并训练庞大的数据集，以此获取更深层的信息。杨宇等人利用偏斜感知的数据增强方法，建立了分布式时序神经网络模型，成功识别出碳纤维复合材料加筋板的冲击损伤。在缺乏训练数据的情况下，低维空间中建立非线性映射，从而将样本转换为高维空间，SVM具有较强学习能力和泛化能力。此外，高东岳基于随机森林回归模型，建立复合材料结构的损伤识别模型。杨宇等通过多机器学习模型对数据监测，提高了结构损伤识别的泛化能力，建立复合材料结构损伤识别方法。

3）数据的采集和分析没有统一标准。

面对这些挑战，在无损检测领域和结构健康监测领域需要做一系列的应对策略，例如建立大数据库，支持数据共享、完善核心算法、统一数据信息化标准等。

(2) 结合数字孪生模型的结构健康监测技术

结论

超声检测技术是一种可靠的无损检测/结构健康监测手段，在碳纤维复合材料损伤检测领域具有广泛的应用前景。可有效地解决碳纤维复合材料的各种损伤类型的检测，具有操作简单、高效、成本低、检测精度高等特点。综合国内外发展的不足，关于碳纤维复合材料层合板损伤的超声检测与成像方面的后续研究建议需要从以下五个方面开展：

• 复杂构件的声场模型的建立；
• 损伤成像算法的优化；
• 智能/高效/实时化的检测和成像系统的构建；
• 损伤定量评估标准的建立；

• 基于机器学习和数字孪生技术的应用。

来源：杨红娟，杨正岩，杨雷，单一男，林奎旭，武湛君