杨伟博， 袁慎芳， 邱 雷， 陈 健(南京航空航天大学 机械结构力学及控制国家重点实验室, 南京 210016)

疲劳裂纹是当前飞行器的主要损伤形式之一，实现疲劳裂纹的扩展预测，对飞行器延寿，提升飞行安全、降低维护成本具有重要意义。然而结构疲劳裂纹扩展是一个随机过程，具有非线性非高斯的复杂动态特性，它包含各种不确定因素，如材料参数的变化、环境参数的变化、测试数据的分散性、建模的局限性等，如何克服此类不确定性的因素的影响，实现疲劳裂纹这类非线性非高斯动态系统的预测，一直是学者们研究的重点。

目前，可用于实现裂纹扩展的寿命预测方法的主要有失效物理(Physic of Failure, PoF)方法、数据驱动(Data-Driven)方法和融合(Hybrid)算法[1-3]。其中，融合算法意在融合前两种算法的优点，使寿命预测算法具备更低的计算消耗和复杂度、需要更少的实验与训练数据，因此具备更好的发展前景。而作为融合算法的一种，基于粒子滤波(Particle Filter, PF)[4]的疲劳裂纹寿命预测方法结合了Paris规则的裂纹扩展规律，有限元建模和粒子滤波算法，与其他两种方法相比，其建模相对较容易，并不需要大量的实验与训练数据，且与Lamb波主动监测方法相结合，可实现在线预测，因此更适合于工程应用。

近年来，Orchard等[5-6]利用粒子滤波算法，建立了一种裂纹扩展在线预测系统，对UH-60行星齿轮进行了寿命预测，其预测结果相比传统的卡尔曼滤波等方法具有更高的预测精度，且能实时修正监测过程中的预测误差，但观测方程采用应变作为监测手段，观测方程的精度还有进一步的提高空间；……