纤维增强复合材料梁的分层损伤识别

摘要

通过损伤发生前后结构频率的变化来检测和评估纤维增强复合材料(FRP)层合梁中的分层损伤。利用FRP层合梁在分层发生前后的一系列频率变化值,通过构建直观图像法和人工神经网络两种逆向算法反推出梁中分层损伤的三个参数,即分层所在的界面、位置和尺寸。为检验两种算法的有效性和识别精度,分别进行了理论和实验双重验证。理论验证结果表明,两种逆向检测算法都可以有效预测出分层损伤的三个参数,其中直观图像法相比人工神经网络预测精度更高。而实验验证采用文献中报道的实测频率,结果表明:直观图像法对于测量数据误差有更高的包容性,可以较为准确地预测出分层在FRP梁试件中的位置和大小;而人工神经网络对于实验误差相对敏感,对FRP梁试件中的分层损伤预测不够准确。综上认为,相较于人工神经网络,直观图像法具有更好的鲁棒性,应被优先选择应用于FRP梁的分层损伤识别。