利用基于机器学习的多模态超声特征评估碳纤维增强塑料（CFRP）的湿热老化损伤

本研究提出基于机器学习的多模态超声特征方法，通过三维超声信号采集提取时间域、频域及RQA特征，成功识别T300/AG-80碳纤维增强塑料湿热老化四阶段，支持向量机（SVM）模型准确率达99.38%，SHAP分析揭示关键特征随老化阶段演变。

　　
碳纤维增强塑料（CFRP）作为航空航天领域的关键材料，其长期服役过程中的性能退化问题备受关注。湿热环境引发的材料老化主要表现为树脂基体吸湿膨胀、纤维与基体界面脱粘及力学性能劣化。传统检测手段依赖破坏性实验，难以满足大型工程构件的原位评估需求。近年来，基于超声信号特征的非破坏性检测技术因具备高效、实时和低侵入性特点而成为研究热点。本文通过融合多模态超声特征与机器学习算法，系统揭示了CFRP湿热老化损伤的演变规律，为复合材料结构健康监测提供了创新解决方案。

一、研究背景与意义
CFRP凭借其轻质高强特性，已成为飞机机翼、机身蒙皮等关键承力构件的首选材料。然而在湿热耦合环境中，树脂基体吸湿导致弹性模量下降（约15%-20%）、界面结合强度降低（降幅可达30%以上），并可能引发微裂纹扩展。研究表明，持续3000小时的湿热老化可使CFRP的拉伸强度降低40%-60%[1]。传统检测方法如质量损失称重法（误差＞5%）、机械万能试验机（需破坏样品）和扫描电镜（检测深度＜50μm）均存在明显局限性：质量检测无法表征局部损伤，实验室测试无法适应现场大尺度构件评估，显微分析仅能获取局部截面信息。因此，发展基于原位超声检测的非破坏性评估体系具有重要工程价值。

二、技术路线与创新点
本研究构建了多维度超声特征融合的智能检测框架，主要创新体现在三个层面：
1. 信号采集维度创新：采用三维阵列超声检测系统（128×64×16阵元），通过底波反射法（BRM）获取层内各向异性损伤的立体分布特征。相比传统单点检测，三维阵列可捕捉0.5mm以下裂纹扩展，空间分辨率提升至0.1mm量级。
2. 特征工程体系构建：建立包含时域、频域和时序特征的多模态特征库：
- 时域特征：峰值振幅（Xmax）与纵波速度（Vp）构成基础指标，Xmax随湿度上升呈指数衰减（R2＞0.92），Vp变化率与吸湿率线性相关（相关系数0.87）
- 频域特征：主频分量（fc）呈现周期性偏移，每500小时偏移量达3.2Hz，频谱熵值与损伤程度呈负相关（p＜0.01）
- 时序特征：通过RQA算法提取的TREND参数（趋势指数）可表征裂纹扩展速率，其突变阈值与界面脱粘临界应力（45MPa）高度吻合
3. 机器学习模型优化：构建四阶段分类模型（0-500h/500-1500h/1500-3000h/3000h+），采用SVM与GBDT的混合架构实现99.38%的总体识别准确率。通过SHAP归因分析发现，不同老化阶段的关键特征权重发生显著转移：早期损伤（0-500h）以Vp（权重0.32）和Xmax（0.28）为主，中期界面脱粘（500-1500h）转向TREND（0.41）和fc（0.29），后期整体性能退化（1500-3000h）则依赖频谱熵值（0.38）和时域均方根（0.25）。

三、实验设计与实施
1. 材料制备与加速老化
采用T300碳纤维/AG-80环氧树脂体系，制备[45°/?45°/0°/90°]4S铺层结构，总厚度12mm，纤维体积分数60%。在恒温恒湿加速老化箱（70±2℃，相对湿度85%±3%）进行3000小时加速实验，监测湿度吸收率（HR）达2.22%，对应材料玻璃化转变温度（Tg）下降42℃。

2. 超声信号采集系统
搭建三维相控阵超声检测平台（图1），采用中心频率50MHz的压电传感器阵列，扫描步长0.1mm。通过BRM法激发信号，采集范围覆盖0°-90°入射角，实现层内损伤的三维定位。实验采用五点法交叉验证，确保模型泛化能力。

3. 多模态特征提取流程
建立三级特征金字塔结构：
- 基础层：时域统计特征（均值、方差、峰值因子）
- 层次化特征：小波包分解（4层，32子带）后提取的频域能量分布特征
- 时序特征：基于RQA算法的时序复杂度参数（如TREND、LQI指数）

四、关键发现与机理分析
1. 特征参数与损伤阶段的对应关系
- 吸湿率0-2.5%阶段（0-1000h）：Xmax衰减速率达0.15dB/h，Vp下降斜率与吸湿速率呈0.82正相关
- 界面脱粘主导期（1000-2000h）：TREND参数在1200h出现突变（Δ＞0.5），对应界面剪切模量从3.2GPa降至2.1GPa
- 纤维断裂累积期（2000-3000h）：频谱熵值从0.12跃升至0.21，对应拉伸模量下降至初始值的68%

2. 模型性能与特征重要性
SVM模型在交叉验证中表现最优（准确率99.38%±0.12%），其特征权重动态变化揭示损伤机制：
- 早期（0-500h）：Vp（权重0.32）主导，反映纤维体积分数变化
- 中期（500-1500h）：TREND（0.41）和fc（0.29）凸显界面脱粘特征
- 后期（1500-3000h）：频谱熵值（0.38）和时域峰峰值（0.25）反映整体材料退化

3. 损伤传播规律
通过12个不同位置（距表面0-10mm）的超声信号对比发现：
- 纵向裂纹沿纤维方向扩展，Xmax衰减梯度达3.8dB/mm
- 环向裂纹在铺层边界处出现应力集中，TREND参数值提升2.3倍
- 损伤各向异性指数（Ia）从0.18（新鲜）增至0.34（3000h），验证了湿热耦合导致的各向异性增强

五、工程应用价值
1. 检测效率提升：单次扫描（20秒/位置）即可获取包含300+特征参数的评估报告，较传统方法效率提高20倍
2. 损伤定位精度：三维反演算法结合SHAP可定位损伤区域（误差＜0.5mm），在飞机蒙皮检测中实现98.7%的定位准确率
3. 服务寿命预测：基于加速老化数据的回归模型显示，当HR＞1.8%时，剩余寿命周期（RLC）下降斜率从0.12/100h变为0.27/100h

六、技术挑战与发展方向
1. 数据标准化难题：不同厂商的超声设备基线差异（＞15%）需建立设备指纹库
2. 时序特征动态性：建议引入长短期记忆网络（LSTM）捕捉渐进式损伤
3. 多物理场耦合：未来可结合红外热成像（空间分辨率50μm）和光纤光栅（应变精度0.1%）
4. 模型可解释性：应用LIME算法可视化特征贡献度，提升工程师信任度

本研究证实，多模态超声特征与机器学习结合的技术路线可有效评估CFRP湿热老化损伤，为航空复合材料结构建立全寿命周期健康监测体系提供了技术范式。后续工作将重点解决复杂铺层结构（如[0°/±45°]4S）的检测盲区问题，以及极端环境（＞150℃）下的性能衰减规律。该技术已通过中国商飞适航认证（SA-CAR-20-0156），正在C919机翼结构中开展实机验证。