碳纤维增强聚合物(CFRP)是一种轻质、高强度的结构材料,广泛应用于航空航天、汽车和海洋领域[[1], [2], [3], [4], [5]]。然而,CFRP对低速冲击非常敏感,容易发生几乎看不见的冲击损伤(BVID),如分层、脱粘和基体开裂,这会显著降低剩余使用寿命[[6], [7], [8]]。在飞机结构可靠性评估中,精确的定位可以将后续损伤检测限制在较小范围内,从而提高检测效率并降低成本[9]。基于应力波的技术,包括主动和被动方法,已被开发用于冲击定位[10,11]。
主动方法使用分布式传感器和执行器扫描结构,并根据多条路径上的损伤概率估计冲击位置[12,13],但对预定义信号和密集、耗时的扫描的要求限制了其在大型结构上的应用[14]。被动技术可以使用密集或稀疏阵列,同时避免详细的结构检查。密集阵列提供更精细的空间采样和更大的冗余度,但代价是更高的成本和数据吞吐量,因此稀疏被动传感是冲击定位更高效和实用的选择[15,16]。常见的被动方法包括几何定位(GL)方法[17,18]、时间反转(TR)技术[19,20]、基于机器学习(ML)的方法[21,22]和参考数据库(RD)方法[23,24]。GL根据距离、角度和波传播时间之间的关系确定冲击位置[25]。然而,对于复杂的各向异性航空航天结构,由于低频设备噪声和模态转换,估计应力波的飞行时间差仍然是一个挑战,即使使用完美的算法也无法实现准确定位[26,27]。TR通过控制反转时间和聚焦条件,时空重新聚焦源信号来定位源位置,从而增强冲击源响应[28]。需要对结构的传递函数有先验知识,这使得过程相对复杂,模型不准确会妨碍有效聚焦并显著降低定位精度。基于ML的方法的优势在于能够在响应特征和冲击位置之间建立直接映射,而不需要显式的物理关系[29,30]。然而,这些方法严重依赖于特征选择,其有限的泛化能力引入了定位精度的不确定性[31]。
在机载和重量限制下,冲击监测必须利用低功耗、稀疏的传感技术进行高效定位[32,33]。RD方法因其只需要有限的参考数据校准、低计算成本以及适用于各向异性结构而成为一种可行的解决方案[34]。Yan等人[35]将赤池信息量准则与小波包变换结合用于通过相似性匹配进行冲击定位。Kim等人[36]使用归一化互相关系数将冲击响应与参考数据库进行匹配,从而实现有效定位。为了减少数据库校准的工作量,Jiang等人[37]从相邻校准点生成虚拟参考,从而扩展了数据库并降低了实验成本。此外,一些研究将RD与其他技术结合使用,以进一步提高冲击定位的准确性。例如,Zhang等人[38]开发了一种结合GL和RD的冲击定位方法,并引入了边缘精度优化策略以提高定位精度。Wang等人[39]提出了一种两阶段定位方法,将RD与ML结合使用,实现了粗略和精细定位的协调,该方法已在复合加固板和飞机面板结构上进行了实验验证。RD方法高度依赖于高质量的特征数据库,而色散、结构复杂性和噪声及信号耦合会扭曲波形,阻碍了特征的稳健提取。更广泛地说,非线性波现象已在流体/等离子体相关系统的理论波动动力学研究中得到研究[40,41]。
为了解决这些挑战,需要强大的信号处理能力来从耦合信号中提取有意义的冲击信息,并构建一个与冲击位置直接映射的高质量特征数据库。现有研究的实现通常依赖于固定的、事先确定的分解和选择设置,忽略了冲击响应的定位依赖性变化。变分模态分解(VMD)通过将响应分解为与不同传播模式相关的内在模态函数(IMFs)提供了一种自适应的替代方案。然而,其性能对模态数和惩罚因子敏感,次优选择可能导致模态混合并降低特征可靠性。为了以最小的开销解决这个问题,通过灰狼优化器(GWO)调整VMD参数。在这项工作中,提出了一种基于GWO-VMD和相关阈值校正的冲击定位方法。与通常用于构建RD特征数据库的固定参数分解方法不同,这种兼容RD的方案使用VMD和GWO来优化模态数和惩罚因子,使分解能够适应信号特性和定位依赖性变化。然后通过基于能量的规则选择IMFs来形成高相关性数据库,并通过动态相关阈值校正细化定位决策,满足在轻微非线性效应下的稀疏、低功耗传感要求。本文的主要贡献总结如下:
(1)提出了一种基于GWO-VMD的自适应分解方法用于冲击信号。优化惩罚因子α和模态数K,以防止过度分解和欠分解,并提高模态分量的表征能力。
(2)提出了一种基于能量阈值的自适应特征数据库构建方法。自动选择与冲击响应高度相关的IMFs,以减少经验依赖性和校准负担,并形成高相关性的RD数据库。
(3)通过结合信息融合策略和动态相关阈值校正,提出了一种新颖的冲击定位框架。从重构的RD构建的融合矩阵会自动更新,以抑制虚假匹配并在稀疏传感器网络下细化决策。
(4)在复合加固板和全尺寸复合机翼上进行了实验验证,以支持在机载约束下的工程应用。