摘要
复合材料因其优异的材料性能被广泛应用在航空航天领域尤其是民用飞机上。针对复合材料结构所受载荷进行实时监测并准确识别，即可为飞机结构的强度设计和可靠性评估提供基础和保证，且能及时发现部分撞击载荷作用时结构产生的潜在不可见损伤，提高飞行安全性。通过对应变信息的测量可对结构上的载荷进行反演分析，光纤布拉格光栅(FBG)传感器作为新一代传感器，其具备重量轻、分辨率高、抗电磁干扰等优点，尤其适用于复杂环境下应变信息的测量。 传统的载荷识别方法受复合材料本身特性和结构复杂度影响，精度和效果难以保证，具有较大的局限性。机器学习方法具备优异的非线性拟合能力，为解决复杂的载荷识别问题提供了新思路。本文通过FBG传感器测量的应变信号，结合机器学习算法和元学习算法，实现复合材料加筋悬臂梁和复合材料加筋层合板上的复杂载荷识别，主要工作内容如下:(1)提出基于支持向量机(SVM)和卷积神经网络(CNN)的静载荷识别方法。分析悬臂梁不同位置受到静载荷时结构应变变化规律，并研究不同静载荷作用时结构应变差异。通过应变数据的图片化转换，训练模型实现复合材料加筋悬臂梁上静载荷个数的分类，及两点静载荷施加位置和大小的识别。 (2)提出基于反向传播神经网络(BPNN)的单点撞击载荷识别方法。采用布设在复合材料加筋层合板结构上的稀疏FBG传感网络采集应变信息，并对比撞击点与测点不同距离及不同撞击力大小应变信号变化。针对含有高斯噪声的应变信号分析对比三种不同特征提取方法与神经网络结合的结果，实现结构单点撞击载荷的位置及撞击载荷峰值的识别。 (3)提出了基于SVM和模型无关元学习(MAML)算法的复杂撞击载荷识别方法。分析复合材料加筋层合板结构受单点撞击载荷和两点撞击载荷应变响应差异，提取应变特征并基于SVM算法实现两种载荷施加情况的分类识别。考虑到实际中数据样本量少的问题，提出了基于MAML算法的撞击载荷区域识别方法，分别利用悬臂梁和平板上采集的少样本应变数据进行验证。
NETL