基于超聲導波的各向異性板彈性常數反演確定.pdf

1、各向異性亦稱“非均質性”。指物體的全部或部分物理、化學等性質隨方向的不同而各自表現出一定的差異的特性。各向異性材料的許多獨特優(yōu)點,如強度比和剛度比高、抗疲勞性和抗振性能好以及結構的可設計性等,使得其在許多領域得到越來越廣泛的應用。進而,對其性能改進的要求越來越高,這就要求有更先進的檢測方法對該種材料的特性進行檢測。
　　先進的復合材料力學特性的檢測方法通常利用結構的動力學響應(如位移響應,振動頻率及波速等)與材料特性之間的復雜關系

2、。通過一個數學模型來表示這種關系時,稱為前向問題。這種前向問題可以由解析或數值的方法來解決。繼而,如果擁有一系列精確實驗測量的結構響應數據,結合大量的前向計算,則復合材料的材料特性可以通過正確構建的反演模型來辨識。目前較有前景的智能反演算法有神經網絡(neural network: NN),遺傳算法(genetic algorithm: GA)和模糊邏輯(fuzzy logic:FL)算法等。
　　本文首先采用勒讓德多項式級數方法

3、研究了各向異性結構的導波特性,得到了結構的頻散曲線,解決了前向計算問題。然后基于結構頻散的多模態(tài)導波群速度,分別采用神經網絡算法和遺傳算法兩種算法建立反演模型,通過數值模擬反演了正交各向異性板和完全各向異性板的彈性常數,并總結了這兩種方法的優(yōu)缺點。
　　神經網絡反演模型方面,首先將前向理論計算得到的超聲波信號進行預處理,提取信號的特征信息(本文提取的是在不同頻率點下前幾個低階導波模態(tài)的群速度),以獲取神經網絡訓練樣本,接著設計合適