超声检测下复合材料粘接质量定量识别算法研究

本篇文章主要探讨了复合材料粘接质量的定量评价问题，发表于2011年的《山西大学学报(自然科学版)》第34卷第3期，388-391页。作者常宁、陈晓明、却孙勇、李志芳和高志奇分别来自中国人民武装警察部队学院、中国人民公安大学、浙江警官职业学院、北京电子科技职业学院和内蒙古工业大学，共同针对复合材料在航空航天领域广泛应用背景下，粘接质量的重要性进行了深入研究。 研究首先概述了复合材料的超声无损检测技术，这是一种非破坏性检测方法，通过发送高频超声波并测量反射回波的强度，以此评估界面粘接质量。通常，回波强度越大，表示粘接质量越差。然而，为了实现粘接质量的定量评估，即计算脱粘率，即未粘接区域占总区域的百分比，文章强调了对回波信号特征的深入分析。 文章的1.1节详细介绍了回波信号特征的时域分析。作者针对高硅氧玻璃纤维环氧树脂基复合材料制作了不同脱粘率等级的试验样品，通过对回波振幅变化的研究，发现粘接质量下降时，回波信号的强度和振幅有明显下降趋势。通过这些特性，研究人员试图建立一个能够量化这些信号与粘接质量之间关系的模型。 接下来，文章重点介绍了概率神经网络在粘接质量评价中的应用。概率神经网络是一种模仿人脑神经元工作原理的数学模型，它能处理复杂的数据并进行预测。作者设计了一种基于这种网络的复合材料粘接质量分类算法，通过训练和实验数据，对该算法的性能进行了测试，结果显示在定量识别粘接质量方面具有较高的准确性。 这篇论文不仅提供了复合材料粘接质量的无损检测方法，还展示了如何通过概率神经网络对回波信号进行特征提取和数据分析，从而实现粘接质量的定量评价。这对于保证复合材料结构的安全性和可靠性，特别是在航空航天领域的应用具有实际意义。通过这种方法，工程师们可以更精确地评估和控制复合材料的粘接质量，减少因质量问题导致的潜在风险。