王彬文， 吕帅帅， 杨 宇

（中国飞机强度研究所 西安，710065）

引 言

近年来，碳纤维增强复合材料由于具有比强度/比刚度高、性能可设计和易于整体成型等优点，被广泛应用于飞机主承力部件［1］。相比于传统的金属结构，CFRP 的主要缺点是对外来物的冲击敏感，特别是在起降过程中的跑道碎片撞击，或在维护过程中的工具跌落等低速冲击，都会造成层压结构内部大面积分层，结构压缩强度下降40%以上，但结构外观通常并不产生目视可见的损伤［2］，这就给飞行安全带来巨大隐患。针对此问题，能够实时甚至在线对结构状态进行监测的结构健康监测（structural health monitoring，简称SHM）技术为上述问题提供了一条潜力巨大的解决途径［3］。基于导波的损伤监测技术在结构中能传播较长距离，且对分层、脱粘和裂纹等损伤敏感［4-5］，是目前在航空结构损伤监测领域有前景的一种结构损伤监测方法，已成功应用于商业领域［6］。然而，导波损伤诊断方法对专家经验具有较强的依赖性。导波信号受结构不确定性、边界条件和环境温度等因素的影响较大，损伤诊断的准确性取决于专家水平以及专家对监测对象的先验知识［7］。

深度学习是解决此类问题一个强有力的工具，研究人员利用深度学习开展了基于导波的结构损伤识别［8-10］、定位和定量研究［11-13］。Guo 等［14］设计了一种可以识别金属梁结构裂纹损伤的深度学习模型。模型以各振动模态的波形为输入，使用多尺度卷积神经网络、残差网络和全连接层等结构抑制噪声和数据缺失的影响，并增强模型的收敛性和鲁棒性，其对裂纹长度预测的准确率超过90%。……