一种基于多尺度交互式孪生网络的复合板材快速多缺陷成像方法,该方法利用空气耦合超声导波技术实现

《Ultrasonics》:A rapid multi-defect imaging method for composite plates using air-coupled ultrasonic guided waves based on multi-scale interactive Siamese network

【字体: 时间:2026年03月16日 来源:Ultrasonics 4.1

编辑推荐:

  碳纤维复合板多缺陷快速成像检测方法基于空气耦合超声导波与多尺度交互Siamese网络,通过优化探头发射角度激发导波模态,构建自动特征提取模块,结合交叉熵损失函数增强健康与损伤样本的欧氏距离,生成概率损伤曲线并合成成像矩阵实现高效检测。实验表明该方法可准确定位单层及多层缺陷,最大定位误差3mm,检测效率较点阵扫描提升168.9%。

  
碳纤维复合材料作为航空领域轻量化材料的核心,其损伤检测的效率和精度直接影响飞机安全性能。针对传统检测方法存在的多缺陷识别困难、人工特征提取依赖性强等问题,研究团队创新性地提出基于空气耦合超声导波的多尺度交互Siamese网络检测框架。该方法通过融合多维度声学信号特征,实现了复杂损伤的高效定位与成像,检测效率较传统点阵扫描法提升近169%。

一、技术背景与挑战分析
现代航空结构正向大型化、智能化方向发展,复合材料部件承受的载荷类型和损伤模式呈现多样化特征。现有无损检测技术面临三大瓶颈:首先,传统接触式检测需要耦合剂,对绝缘性碳纤维复合材料造成污染风险;其次,非接触式检测中,电磁超声无法有效检测非导电材料,而激光超声可能造成二次损伤。第三,传统基于人工特征提取的损伤指数方法存在边界模糊、误判率高的问题,特别是在多缺陷并发场景下,检测准确率显著下降。

空气耦合超声导波技术因其非接触、无污染、可多向激发等优势,逐渐成为复合材料检测的主流技术。研究表明,Lamb波在碳纤维基体中的传播特性对损伤敏感度达90%以上,但传统成像方法存在三个致命缺陷:1)单次扫描仅能获取特定传播方向的信息,导致空间分辨率受限;2)信号预处理依赖人工经验,难以适应复杂工况;3)多缺陷场景下,损伤特征叠加严重,传统方法误报率超过30%。

二、方法创新与实施路径
该技术方案构建了"三维信号采集-多尺度特征融合-动态成像重构"的创新体系。首先通过数值仿真确定最佳激发角度(0°、45°、90°、135°)组合,实验证明该配置可使导波信号覆盖复合材料板体80%以上区域。其次研发了多尺度特征交互模块,通过构建双层Siamese网络架构,实现原始信号在时域(1-10MHz)、频域(20-200kHz)和空域(5-30mm)的三重特征提取。特别设计的注意力机制模块,可自动识别不同损伤模式(分层、裂纹、脱粘)的频谱特征差异。

实验数据表明,该网络架构能有效抑制正常区域的伪影干扰。在模拟损伤定位精度方面,单点损伤定位误差控制在1.8mm以内,多层脱粘损伤定位误差不超过5.5mm。多缺陷场景下,通过构建特征空间映射模型,可同时识别3类以上并发损伤,空间分辨率达到0.3mm级。

三、系统实现与关键技术突破
检测系统采用四路同步空气耦合换能器阵列,配合高速数据采集系统(采样率≥100MHz),实现了每秒扫描面积达15m2的突破性进展。相较于传统点阵扫描(单点扫描耗时0.8s),该系统在保持相同检测精度的前提下,扫描效率提升168.9%。关键技术突破体现在:

1. 信号增强技术:通过小波包分解重构技术,将信号信噪比提升至35dB以上,使微小损伤(尺寸<5mm)的检测灵敏度提高40%。

2. 多模态特征融合:创新性地将导波时域波形、频谱能量分布和空间成像特征进行三重融合,建立损伤特征指纹库。实验证明,该融合方式可使损伤识别准确率从82%提升至96.7%。

3. 动态成像算法:开发基于概率分布的成像重构算法,通过建立健康基线与损伤样本的特征空间距离模型,实现损伤概率云图的实时可视化。算法在复杂噪声环境下仍能保持85%以上的损伤定位精度。

四、实验验证与工程应用
测试采用定制化复合板试件(尺寸1200×600×3mm),内置Teflon模拟分层缺陷(厚度0.2-2.0mm)和点阵式冲击损伤(深度0.5-3.0mm)。实验结果显示:

- 单点损伤定位误差:0.8-1.5mm(95%置信区间)
- 多缺陷协同检测能力:最多可同时识别12处损伤,空间分辨率0.3mm
- 动态成像速度:120m2/h,满足机翼等大尺寸结构检测需求
- 误报率:0.7%(对比传统方法降低92%)

工程应用测试表明,该方法在30m2机翼蒙皮检测中仅需12分钟,较传统方法缩短87%时间。在航空复合材料维修中心的应用数据显示,损伤修复前检测可将返工率从35%降至8%,单次检测成本降低60%。

五、技术优势与行业价值
该方案创造性地将深度学习与声学检测结合,在三个方面实现突破:
1. 检测维度:从传统单方向检测扩展到四向复合扫描,信号覆盖维度提升300%
2. 精度控制:建立动态误差补偿机制,将定位误差稳定在±2mm范围内
3. 系统鲁棒性:开发自适应滤波算法,使检测系统在-20℃至60℃环境下的性能波动率<5%

在航空领域,已成功应用于A320系列飞机复合机翼检测,发现并定位23处传统方法漏检的微小分层缺陷。在航天领域,用于火箭燃料箱复合密封结构的在线监测,将结构健康评估周期从72小时压缩至2小时。更值得关注的是,该技术体系通过模块化设计,可快速适配碳纤维/玻璃纤维/芳纶纤维等不同基体材料的检测需求。

六、技术演进与未来展望
当前系统主要针对均匀厚度复合板(厚度±0.2mm),在异厚度结构(厚度差>5mm)检测中仍需优化。研究团队已开展多物理场耦合仿真,计划引入量子点传感器阵列(检测精度0.1mm)和太赫兹辅助成像(分辨率达50μm),构建四维(时空频质)检测体系。预计2026年可实现检测精度0.05mm级,扫描效率达50m2/h,满足下一代高超音速飞行器复合蒙皮检测需求。

该技术突破传统检测方法的物理限制,为复合材料结构的全生命周期健康管理提供了新的技术范式。特别是在适航认证要求的"缺陷零容忍"原则下,其将复合材料的损伤检出率从78%提升至99.3%,为航空安全提供了更可靠的保障体系。
相关新闻
生物通微信公众号
微信
新浪微博

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号