刘小峰，王邦昕，艾 帆，韦代平

(重庆大学 机械运载工程学院，重庆 400044)

鉴于质量轻、成本低、比强度和比模量高等诸多优点，复合材料层合板被广泛应用于航空航天产业、机械和土木工程等高新技术领域，同时也给其无损检测技术带了挑战。基体裂纹与脱层损伤是复合材料层合板最主要的两类损伤[1-2]，对这两种损伤进行自动辨识对保障复合材料层合板的服役安全性与稳定性具有重要意义。超声Lamb波技术可通过主动激发应力波对复合材料板内部损伤进行检测，具有快速、长距离、大范围、成本相对低等特点，其在复合材料板检测领域得到广泛应用[3-4]。鉴于复合材料板自身各项异性以及Lamb波传播机理的复杂性，难以利用传感信号的特征指标直接进行损伤辨识，国内外学者采用了人工智能算法对其损伤进行自动识别。Larrosa等[5]和Wilson等[6]首先建立了损伤指数，结合朴素贝叶斯和高斯判别分析，实现了复合材料合层板基体裂纹与脱层的损伤分类。华生明[7]采用小波分析和BP神经网络对复合材料板的损伤进行检测，王峰林等[8]采用RBF神经网络对复合材料板脱粘缺陷进行识别，王明[9]用经验模态分解和BP神经网络，较好地实现了对复合材料板的损伤识别和定位。崔建国等[10]结合GRNN神经网络与极限学习机，对飞机复合材料板的不同疲劳损伤进行了模式识别。上述方法，主要针对复合材料板分层、冲击裂纹、孔或狭缝等后期严重缺陷进行检测辨识，且存在局部最优化、分类精度不高及样本量要求过高等缺点。……