一种超声导波蜂窝夹芯结构脱粘层诊断方法

摘要

本发明公开了一种基于卷积神经网络深度学习的超声导波蜂窝夹芯结构脱粘层诊断方法，该方法利用超声导波在厚度截面内不同传播路径对不同脱粘层的敏感度差异提取损伤特征，通过集成了传感器网络的蜂窝夹芯结构数字孪生有限元模型进行大量的模拟形成训练数据库，对建立的卷积神经网络深度学习进行训练形成稳定的脱粘层分类模型，通过训练得到的分类模型对真实脱粘损伤进行脱粘层诊断；本方法采用蜂窝夹芯结构数字孪生有限元模型来模拟计算多条路径影响因子组成的数据库，无需传统数据库构建所需的实验采集数据，避免了大量工程实验件造成的成本问题。