基于振动参数变化以识别FRP加筋板内分层损伤的研究

Stiffened fiber reinforced plastics (FRP) panels are commonly used for aerospace structural applications due to their outstanding weight/strength and weight/stiffness ratios and the greatly enhanced load carrying capability by additional stiffeners. However, FRP stiffened panels are susceptible to inter-laminar damages such as debonding between stiffeners and skin panels and delaminations in the panels. Since inter-laminar damages are insidious and can cause significant reductions in the flexural stiffness and load carrying capacity, the FRP stiffened structures may serve without noticing such damages and fail to work before the designed lifetime or even collapse suddenly leading to severe loss of lives and properties. Therefore, it is significant to detect and assess the delamination damage in FRP stiffened panels at an early stage. Currently, researchers mainly focus on the delamination propagation, buckling and post-buckling of the delaminated FRP stiffened panels. Only a few have studied the vibration characteristics and dynamic response of FRP stiffened panels, and even less, if not none, have reported the detection of delaminations in stiffened FRP panels through changes of dynamic parameters. In this project, the vibration response of the FRP stiffened panels will be firstly investigated and then the vibration-based delamination assessment for stiffened FRP panels using changes in dynamic parameters will be developed.

纤维增强复合材料（FRP）加筋板是近代飞机和航天器中最基本的结构形式之一，它不仅保持了FRP层合结构的高比强度和高比刚度等优点，加强筋的引入还极大地提高了结构的承载能力。然而，FRP加筋板在应用当中容易发生筋条与基板的剥离以及基板内的分层，这些分层损伤在外观上难以察觉但却会极大地弱化结构的刚度和承载力，使其不能按照设计的状态和寿命服役，甚至导致整体结构的失效而造成严重的生命财产损失。因此，对这类在重要工程领域有着广泛应用的FRP加筋板进行分层损伤的早期检测十分重要。目前，对含损FRP加筋板的研究主要集中在损伤的扩展、结构的屈曲和后屈曲等方面，对含损加筋板的动力响应特性研究较少，而考虑使用振动参数变化对FRP加筋板中的分层损伤进行识别的报道则更少。因此本课题拟在考察FRP加筋板的振动特性的基础上，研究通过振动参数的变化来识别FRP加筋板中的分层损伤，课题具有基础研究创新意义和广阔的应用前景。

纤维增强复合材料（FRP）加筋结构是FRP应用中的常见结构形式之一，它不仅保持了FRP层合结构的高比强度和高比刚度等优点，加强筋的引入还极大地提高了结构的承载能力。然而，FRP加筋板在应用当中容易发生筋条与基板的剥离以及基板内的分层损伤，这些分层在外观上难以察觉但却会极大地弱化加筋结构的刚度和承载力。本项目首先研究了存在分层损伤的情况下FRP加筋板的振动特性，然后通过对比分层损伤发生前后FRP加筋板的振动频率变化，来识别FRP加筋板中的分层损伤。项目中考察了两类分层损伤，分别是加强筋和底板之间的分层，以及底板内的分层损伤。分别构建了人工神经网络ANN和遗传算法GA两种逆向检测算法，利用FRP加筋板在分层损伤发生前后的一系列频率变化值来识别分层损伤的位置和大小。采用了数值验证和实验验证来双重检验两种逆向算法对加筋板中分层损伤的识别精度和效率。借助有限元模型进行的数值验证表明，两种逆向检测算法都可以有效地识别出FRP加筋板中两种不同位置的分层损伤，并且采用项目中开发的基于代理模型的遗传算法能有效减少算法运行时间，极大地提高了损伤识别的效率。通过制作加筋板试件并进行模态测试得到了用于实验验证的实测频率值，实验验证结果表明人工神经网络ANN在使用实测频率数据进行识别时预测精度很差，无法得到有效的分层损伤信息，而采用基于代理模型的遗传算法可以较好地预测加筋板试件中的分层损伤，预测出的分层与实际分层存在重合。进一步对损伤识别算法的稳定性进行了误差干扰检验，结果表明，对仿真频率添加随机噪声后，采用有代理模型的遗传算法依旧可以较为准确地预测分层损伤信息，表明该算法较为稳定；而人工神经网络的预测精度则受到很大影响，表明其对噪声很敏感，算法的鲁棒性不足。