基于多维声发射特征的3D编织复合材料拉伸损伤识别

《Polymer Composites》：Tensile Damage Identification in 3D Braided Composites Based on Multi-Dimensional Acoustic Emission Features

三维编织复合材料在航空领域应用广泛但实时损伤监测存在挑战，现有声发射方法仅检测拉伸损伤且缺乏多域特征融合。本文通过声发射/CT同步分析获得23200个声发射波形和21600个CT切片，提出PSO-LSTM混合算法实现多域特征融合与损伤分类，准确率达86.7%（较单独LSTM提升5.5%）。创新点包括多域声发射特征融合技术和粒子群优化LSTM模型，为复合材料的实时健康监测提供新方法。

　　

摘要

三维编织复合材料（3DBC）在航空航天领域至关重要，然而实时损伤监测仍然具有挑战性。虽然声发射（AE）能够敏感地检测拉伸损伤，但现有方法忽略了多域声发射特征，并且缺乏通用模型。本研究通过同步进行声发射（AE）与计算机断层扫描（CT）分析，克服了这些限制，共获得了23,200个声发射波形和21,600个CT切片。我们提出了一种混合算法TDIA-BPL，该算法结合了粒子群优化（PSO）和长短期记忆网络（LSTM），将时频级联的声发射特征与CT验证的损伤模式进行融合。该模型在分类基体开裂、界面脱粘、纤维开裂和断裂等方面达到了86.7%的准确率（比单独使用LSTM高出5.5%）。主要创新点包括：（1）多域声发射特征融合，以实现精确的损伤演变跟踪；（2）通过PSO优化的LSTM，提高模型的泛化能力。这一框架推动了聚合物复合材料的实时结构健康监测技术的发展，具有直接应用于航空航天完整性管理的潜力。

利益冲突

作者声明没有利益冲突。