针对复合材料层合板疲劳损伤扩展的预测问题,提出一种基于Lamb波压缩特征驱动的贝叶斯神经网络模型的损伤评估与预测方法。采用Lamb波信号时频域特征、动态时间规整特征及传递熵特征等多域特征构建复材板的损伤状态空间,结合挤压-激励...针对复合材料层合板疲劳损伤扩展的预测问题,提出一种基于Lamb波压缩特征驱动的贝叶斯神经网络模型的损伤评估与预测方法。采用Lamb波信号时频域特征、动态时间规整特征及传递熵特征等多域特征构建复材板的损伤状态空间,结合挤压-激励网络构建统一压缩特征对复材板损伤程度进行量化表征。在复材板应变能释放率模型的基础上,建立损伤扩展速率与应变能量释放率变化(Change of strain energy release rate,CSERR)之间的线性关系。将CSERR嵌入至贝叶斯神经网络(Bayesian neural network, BNN)中的激活函数中,构建一种CSERR-BNN预测模型,并对层合板不同损伤的演化趋势进行评估预测。有限元仿真及T700G单向碳纤维预浸料制成的层合板试验数据分析结果表明,以Lamb波特征压缩构建的统一损伤指数作为驱动,采用CSERR-BNN预测模型能有效预测损伤状态参量的演化趋势,实现复材板的损伤状态追踪与剩余寿命评估。展开更多
文摘针对复合材料层合板疲劳损伤扩展的预测问题,提出一种基于Lamb波压缩特征驱动的贝叶斯神经网络模型的损伤评估与预测方法。采用Lamb波信号时频域特征、动态时间规整特征及传递熵特征等多域特征构建复材板的损伤状态空间,结合挤压-激励网络构建统一压缩特征对复材板损伤程度进行量化表征。在复材板应变能释放率模型的基础上,建立损伤扩展速率与应变能量释放率变化(Change of strain energy release rate,CSERR)之间的线性关系。将CSERR嵌入至贝叶斯神经网络(Bayesian neural network, BNN)中的激活函数中,构建一种CSERR-BNN预测模型,并对层合板不同损伤的演化趋势进行评估预测。有限元仿真及T700G单向碳纤维预浸料制成的层合板试验数据分析结果表明,以Lamb波特征压缩构建的统一损伤指数作为驱动,采用CSERR-BNN预测模型能有效预测损伤状态参量的演化趋势,实现复材板的损伤状态追踪与剩余寿命评估。
