基于导波与模态分析的功能梯度结构材料特性的反演确定

With the advantages of reducing the residual stress and easing the stress concentration, functionally graded materials (FGM) will be widely applied in aerospace, nuclear industries and medical engineering. With different distribution function of volume fraction, the material properties of various FGM are diffferent. Reliable methods are needed to measure the material properties of FGM. It is important to have a fast and efficient technique for non-destructively evaluating the material properties of FGM after fabrication and in service to verify whether their actual material properties match those of design. This project will construct inverse models that utilize the complex relationship between the structural dynamic behaviors (dispersive multi-mode group velocities and modal frequencies, harmonic responses) and the material properties. Based on neural network, genetic algorithm, and fuzzy logic, hybrid algorithms will be developed to handle various errors that are resulted from experiments, FGM fabrication and micromechanical models. Meanwhile, efficient forward solver for calculating the modal frequencies and harmonic responses of FGM structures will be developed. Finally, the inverse models will be verified by experiments to achieve the fast inverse determination of material properties of FGM structures. This project will promote the popularization and application of FGM from the field of nondestructive evaluation.

功能梯度材料具有减小残余应力、缓和应力集中等优势，在航空航天、核工业及医学工程等领域有着广阔的应用前景。由于不同的功能梯度材料组分变化各有不同，材料特性也呈现不同变化，亟需一种高效的无损检测技术在制造出梯度材料之后检测其材料特性是否与设计相符及使用时是否退化。本项目拟利用功能梯度结构的材料特性与结构导波特性（频散与多模态特性）及模态响应特性（模态频率与谐响应）之间的复杂关系，开发基于神经网络、遗传算法及模糊逻辑的混合智能算法，建立确定功能梯度结构材料特性的反演模型。它将充分考虑实验测量误差、梯度材料的制造误差以及前向计算中因细观力学模型引起的计算误差等不确定性因素。其间将开发基于勒让德多项式级数方法的功能梯度结构模态频率与谐响应的高效前向求解方法。最后将由实验验证所提出反演模型的准确性，实现实验室水平上功能梯度结构材料特性的快速反演确定，从无损检测领域促进功能梯度材料的推广应用。

功能梯度材料（FGM）具有减小残余应力、缓和应力集中等优势，在航空航天、核工业及医学工程等领域有着广阔的应用前景。不同的FGM组分变化各有不同，材料特性也呈现不同变化，亟需一种高效的无损检测技术在制造出FGM之后检测其材料特性是否与设计相符及使用时是否退化。本项目利用FGM结构的材料特性与结构导波及模态振动特性之间的复杂关系，开发了基于神经网络、遗传算法及模糊逻辑的混合智能算法，建立了确定FGM结构材料特性的反演模型。本项目提出了一种结合粉末叠层烧结与无压浸渗技术的新工艺以制备体积分数大体可控的连续FGM。所制备的铁-二氧化硅梯度圆盘在铁含量较大的层中均有一定的渗流效果，消除了分层界面。前向计算方面，开发了基于勒让德正交多项式级数方法的求解连续和多层FGM结构模态振动和导波特性的高效前向计算方法，研究了FGM圆盘、杆、圆环等多种FGM结构。发现FGM结构中，高频波动能量主要分布在低波速材料含量较多的一侧。本项目还对求解多层结构的勒让德正交多项式方法进行了改进，解决了传统多项式方法的两个缺陷：①无法得到连续正确的正应力分布；②对于相邻两层材料特性差距很大的结构无法得到正确的频散曲线。把增量变形理论引入到FGM结构的波动方程中，研究了初应力对FGM结构导波特性的影响。发现初应力对于类兰姆波的影响是非线性的，并且对各阶模态的影响是不同的；而对于SH波，初应力的影响几乎是线性的。反演算法及模型方面，分别建立了基于单一神经网络和遗传算法的反演模型；并建立了结合模糊算法与神经网络与遗传算法的混合算法反演模型。结果显示：单一神经网络模型与遗传算法模型都能够进行FGM材料特性的反演，但神经网络模型有时会陷入局部最优解；而遗传算法的计算非常复杂，要消耗上百机时。相对于单一算法反演模型，混合算法模型的优势是明显的：自适应神经模糊系统将神经网络自主学习能力的特点运用于模糊特征的分析与建模上，兼具模糊算法和神经网络的优点，使其反演模型不再陷入局部最优解，且具有较好的处理噪音与误差的能力；采用遗传算法优化模糊逻辑控制器参数，避免了模糊控制器设计中参数和规则的反复试凑和需要专家经验等问题，计算速度得到了极大提高。而且经过遗传算法搜索得到的模糊参数和控制规则已得到优化，使模糊控制器在误差控制和滤噪性能方面做得更好。本项目从动力学特性的深入认识、材料制备和无损检测等领域促进了FGM的推广和应用。