针对可重复使用飞行器热防护结构在复杂多场耦合环境下易产生层间脱粘损伤的关键问题,提出基于超声导波与域自适应迁移学习的无损检测方法。通过设计4类典型粘接缺陷的隔热瓦试件,结合双向正交扫描策略与超声激励–接收机制,实现粘接区...针对可重复使用飞行器热防护结构在复杂多场耦合环境下易产生层间脱粘损伤的关键问题,提出基于超声导波与域自适应迁移学习的无损检测方法。通过设计4类典型粘接缺陷的隔热瓦试件,结合双向正交扫描策略与超声激励–接收机制,实现粘接区域的高效覆盖检测。针对试件个体差异引起的信号漂移问题,采用基于峰值比例阈值的相位对齐方法,通过优化窗口长度同步保留损伤敏感特征并抑制噪声干扰。进一步构建域自适应迁移学习网络(Domain-adaptive transfer learning,DATL),实现跨试件损伤特征的分布对齐。试验表明,在跨试件测试场景下,DATL模型准确率仅下降3.9%,域间分布差异指数从0.31降至0.10;在目标域数据量不足40%时,其准确率仍达85%,较卷积神经网络(Convolutional neural network,CNN)提升19.4%。该方法缓解了对损伤类型和试件一致性的依赖,可降低在役热防护结构脱粘检测的误报率与漏检率,为可重复使用飞行器的快速无损检测与健康评估提供了一种可行的解决参考方案。展开更多
文摘针对可重复使用飞行器热防护结构在复杂多场耦合环境下易产生层间脱粘损伤的关键问题,提出基于超声导波与域自适应迁移学习的无损检测方法。通过设计4类典型粘接缺陷的隔热瓦试件,结合双向正交扫描策略与超声激励–接收机制,实现粘接区域的高效覆盖检测。针对试件个体差异引起的信号漂移问题,采用基于峰值比例阈值的相位对齐方法,通过优化窗口长度同步保留损伤敏感特征并抑制噪声干扰。进一步构建域自适应迁移学习网络(Domain-adaptive transfer learning,DATL),实现跨试件损伤特征的分布对齐。试验表明,在跨试件测试场景下,DATL模型准确率仅下降3.9%,域间分布差异指数从0.31降至0.10;在目标域数据量不足40%时,其准确率仍达85%,较卷积神经网络(Convolutional neural network,CNN)提升19.4%。该方法缓解了对损伤类型和试件一致性的依赖,可降低在役热防护结构脱粘检测的误报率与漏检率,为可重复使用飞行器的快速无损检测与健康评估提供了一种可行的解决参考方案。
