环境变异性下基于高斯过程的结构结冰检测Lamb波导波监测：基于高斯过程的检测

《Ultrasonics》：Guided lamb-wave monitoring for structural ice detection: Gaussian-process-based detection under environmental variability

　　

冰积附在飞机和风力涡轮机等工程结构上会危及安全并降低运行性能，而传统的除冰系统往往需要消耗大量能量。压电换能器为低功耗、双功能的冰管理系统提供了有前景的基础，该系统可在单一网络中同时实现检测与清除。本研究针对该框架中的检测部分，提出了一种基于导波Lamb波和高斯过程回归（Gaussian Process Regression, GPR）的概率基线监测方法用于结冰检测。该方法基于传感器信号的归一化自相关和对数包络进行信号表示，并在扩展时间窗内进行分析，以捕捉冰积引起的累积波场畸变。一个在变热条件下使用无冰测量数据训练的GPR模型用于表征基线结构响应；冰的存在通过一个标量损伤指标进行评估，该指标定义为归一化残差的均方根，并以模型的局部预测不确定性进行加权。该方法通过数值模拟和在装有压电致动器与传感器的铝板上的受控实验得到验证。数值研究确认了在噪声条件下的检测能力，而实验活动证明了在+18°C至?18°C范围内对温度引起的基线变化的鲁棒性，并在?10°C下评估了对2 g至50 g冰的检测灵敏度，在三种传感器-模式组合中实现了100%的准确率，在第四种组合中实现了96%的准确率。结果突出了随着信号窗口长度增加，灵敏度与热鲁棒性之间的权衡。总体而言，该研究表明，将导波物理与概率基线建模相结合，为环境变异性下的结冰检测提供了一种有效策略，同时表明需要在更真实的结构部件上进行未来验证。

本文解读

一、研究背景与问题

冰积附在飞机机翼、风力涡轮机叶片等工程结构上会改变气动外形，降低升力、增加阻力与疲劳载荷，严重时甚至引发灾难性事故。传统热除冰系统通过引气加热表面，能耗巨大，难以满足新一代电推进飞行器严格的功率预算。压电换能器可通过高频振动在冰-结构界面产生剪切应力，以远低于热方法的功耗实现除冰，且同一换能器网络兼具检测与清除的双重功能。在检测方面，Lamb波作为结构健康监测中常用的导波模态，对结构表面边界条件变化敏感，因此适合用于冰积检测。然而，与裂纹等局部缺陷不同，冰积是覆盖大面积区域的边界条件改变，并不产生清晰可辨的孤立反射回波。多数现有方法通过监测首波包络的传播速度变化来识别冰，但这类时飞法对冰与传感器之间的相对位置高度敏感，且容易受环境温度变化干扰。此外，已有利用长信号窗累积差异的研究均在稳定环境条件下进行，未考虑温度引起的基线漂移。为克服上述局限，研究人员提出了一种基于高斯过程回归（GPR）的概率基线监测框架，利用扩展时间窗内累积波场畸变进行结冰检测，并将温度变化隐式嵌入基线模型中，无需显式补偿。

二、研究内容

研究人员设计了一套完整的信号处理与统计建模流程。首先，对传感器原始信号进行归一化自相关运算，以增强反射波型特征并抑制噪声；随后提取自相关信号的希尔伯特包络，去除高频载波振荡，得到平滑的幅度调制曲线；再对包络取自然对数，压缩动态范围并确保高斯预测分布不产生负值。经上述变换后，信号表示为对数-包络随迟滞坐标变化的平滑函数。研究人员在无冰条件下、覆盖+18°C至?18°C的温度范围内采集30组基线信号，将迟滞坐标作为输入，对数包络值作为输出，训练一个采用平方指数核函数的GPR模型。该模型不将温度作为显式协变量，而是通过无冰样本群体的分布隐式表征温度引起的变异性，从而得到基线响应的预测均值与预测方差。冰存在时，新信号与基线预测之间的偏差通过归一化残差表示，并以模型预测标准差（融合观测噪声）进行归一化。最终，冰指标定义为全迟滞域上归一化残差的均方根（RMS）。阈值通过训练集k折交叉验证的95%分位数确定，对应5%假阳性率。

三、主要关键技术方法

数值验证采用ANSYS耦合场瞬态分析，模拟压电换能器的机电行为。铝板材料参数取杨氏模量69 GPa、泊松比0.33、密度2710 kg·m^?3，压电材料为PZT-5A，冰材料参数取杨氏模量9 GPa、泊松比0.31、密度897 kg·m^?3。网格划分满足每最小波长8至20个节点，时间步长取最高激励频率周期的1/20。为模拟环境噪声，在无冰基线信号中对激励幅值和中心频率施加5%白噪声扰动。实验在550 mm×450 mm×1.6 mm铝板上进行，两块方形压电致动器对称布置于板厚方向两侧，两个圆形传感器粘贴于板底。激励信号为3周期Hann窗正弦突发，反对称模式（A₀）激励频率90 kHz，对称模式（S₀）132 kHz。实验数据分为训练集（30个无冰基线信号，温度范围+18°C至?18°C）和测试集（54个信号，其中31个无冰、23个有冰，有冰信号均在?10°C下采集，冰质量2–50 g）。

四、研究结果

4.1 数值验证
数值模拟中，算法在四种冰配置和两种激励模式下表现出良好检测能力。对称模式下，传感器1对所有冰配置均正确识别，无漏警和虚警；传感器2在冰位于其正上方时出现漏检。反对称模式下，传感器1漏检了左下角冰配置，传感器2则对所有配置均正确分类。结果表明，检测灵敏度强依赖于冰、致动器和传感器的相对位置，冰位于直接传播路径上时指标最高。

4.2 实验验证与温度效应
实验信号与数值信号的对比显示，实验中冰引起的反射波包常被边界反射或非期望反对称模式掩盖，无法基于孤立反射进行可靠检测，从而验证了累积畸变检测策略的必要性。温度变化使波速随温度降低而增加，且偏差随时间累积，因此信号窗口越长，温度引起的基线漂移越显著。通过系统改变信号截断时间的敏感性分析发现，检测准确率随窗口长度的变化呈非单调、与配置相关的复杂模式，不存在普适最优值。较短的窗口有利于降低温度诱发的虚警，较长的窗口则能更好地利用冰引起的累积畸变，需根据实际温度变化范围选择。

4.3 冰检测性能
经敏感性分析确定最佳截断时间后，算法在四种传感器-模式组合中表现出色：三种组合实现完美分类（准确率100%，虚警率0%，漏警率0%，F1分数1.0）；第四种组合（对称模式下传感器2）准确率为96.3%，虚警率3.2%，漏警率4.3%，F1分数0.96。进一步对四种代表性冰位置（传感器间、右上、传感器2上方、喷雾冰）进行2、4、6 g冰质量的参数分析显示，冰指标与冰质量并非单调关系，且显著受冰位置、传感器位置和波模式影响。这种非单调性源于冰质量改变冰域几何尺寸，导致多个反射波包的相对幅值和到达时间发生复杂非线性变化，但GPR基线模型能够以数据驱动方式稳健捕捉这些累积效应，实现可靠的二元分类。

五、讨论与结论

讨论部分指出，冰指标的非单调性表明，试图建立冰质量与指标之间的定量预测模型既困难又缺乏普适性。相比之下，基于GPR的概率基线方法无需深入理解特定配置下的波动物理，即可有效区分有冰与无冰状态。这一数据驱动特性增强了方法在不同运行条件下的鲁棒性。结论部分可翻译为：本文提出了一种基于Lamb波和高斯过程回归的概率基线监测框架，用于板状结构的结冰检测。数值与实验结果均支持该方法的有效性：数值分析确证了受控噪声条件下的可靠检测，实验在+18°C至?18°C范围内验证了温度鲁棒性，并在?10°C下对2至50 g冰质量实现100%和96%的分类准确率。研究还揭示了灵敏度与热鲁棒性之间的权衡，以及检测能力对冰与传感路径空间关系的依赖。未来需在更真实的结构部件（如曲面或翼型）和更广泛环境条件下进行验证，并将该检测方法与压电除冰系统集成，以实现低功耗、可部署的集成冰管理方案。