基于BP算法和FBG傳感的復(fù)合材料沖擊定位檢測技術(shù)

李 蒙，張 翠，童杏林*，鄧承偉，李浩洋，3，何西琴，冒 燕,4

(1.武漢理工大學(xué) 光纖傳感技術(shù)國家工程實驗室，武漢 430070;2.武漢理工大學(xué) 信息工程學(xué)院，武漢 430070;3.武漢理工大學(xué) 機(jī)電工程學(xué)院，武漢 430070;4.日照武漢理工大生物醫(yī)藥暨新材料研究院，日照 276800)

引 言

碳纖維復(fù)合材料具有比強(qiáng)度高、耐化學(xué)腐蝕、質(zhì)量輕和高模量等特點，已經(jīng)逐漸取代金屬件，在汽車、軍事、航空航天等領(lǐng)域得到了廣泛的應(yīng)用[1-4]。然而由于碳纖維復(fù)合材料在微觀上的復(fù)雜性，使得它很容易在沖擊載荷和劣勢環(huán)境作用下導(dǎo)致內(nèi)部發(fā)生損傷，進(jìn)而使得結(jié)構(gòu)的承載能力下降甚至失效。例如，碳纖維復(fù)合材料在受到低速或高速沖擊時非常容易損壞，可能導(dǎo)致內(nèi)部分層或基體開裂，這些損傷不能通過可視化的探測方法探測到，所以在很大程度上會對設(shè)備造成損傷甚至威脅到人們的安全。傳統(tǒng)的無損檢測及沖擊定位方法難以精確探測復(fù)合材料層合板的分層缺陷和裂紋情況，更無法定位復(fù)合材料的實際損傷區(qū)域[5-8]。然而由于光纖布喇格光柵(fiber Bragg grating,FBG)具有體積小、耐高溫及低溫、抗電磁干擾和使用靈活方便等優(yōu)點，將FBG傳感網(wǎng)絡(luò)粘貼于碳纖維復(fù)合材料表面，結(jié)合信號實時解調(diào)技術(shù)，構(gòu)成碳纖維復(fù)合材料健康監(jiān)測系統(tǒng)，從而實現(xiàn)對碳纖維復(fù)合材料健康狀況的實時在線監(jiān)測，及時發(fā)現(xiàn)并確定復(fù)合材料的損傷位置和程度，為材料的損傷檢測、維修及自我修復(fù)提供更準(zhǔn)確的信息，避免因碳纖維復(fù)合材料的損傷造成的巨大損失[9-11]。

早在20世紀(jì)70年代，國外就開始對復(fù)合材料進(jìn)行檢測研究，提出一些傳統(tǒng)碳纖維復(fù)合材料的無損檢測技術(shù)，如超聲、X射線和渦流監(jiān)測等方法，難以檢測出其內(nèi)部損傷及分層缺陷，且存在著設(shè)備復(fù)雜、費時和精確度低等問題[12-14]。本文中提出了通過在智能碳纖維復(fù)合材料表面粘貼FBG傳感系統(tǒng)，結(jié)合反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)算法，準(zhǔn)確探測和預(yù)報智能復(fù)合材料結(jié)構(gòu)內(nèi)部的損傷、分裂和變形等一系列結(jié)構(gòu)的破壞因素，實現(xiàn)智能復(fù)合材料的沖擊定位識別。

1 復(fù)合材料沖擊定位理論基礎(chǔ)

1.1 光纖光柵傳感原理

FBG是一種反射式的光纖光柵，通過改變光纖芯區(qū)折射率，產(chǎn)生小的周期性調(diào)制而形成的，在前向傳輸和反向傳輸模式之前進(jìn)行耦合，并且只能在這兩種情況下進(jìn)行耦合[15-18]。如圖1所示，當(dāng)一束寬光譜激光經(jīng)過光纖布喇格光柵時，被光柵反射回某一單色光λB，其它光通過光纖布喇格光柵透射過去，反射光的中心波長λB與光柵的折射率變化周期Λ和有效折射率neff的關(guān)系表達(dá)式如下:

λB=2neffΛ

(1)

當(dāng)光纖光柵受到軸向應(yīng)力時，會引起彈光效應(yīng)和軸向應(yīng)變，進(jìn)而會改變光纖Bragg光柵的周期和折射率，使反射光中心波長λB發(fā)生漂移，通過中心波長的漂移量就可以檢測出環(huán)境應(yīng)力的變化量，這就是用光纖Bragg光柵測應(yīng)力測試的基本原理[19-21]。

Fig.1 FBG sensing principle diagram

1.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋網(wǎng)絡(luò)系統(tǒng)，具有非常強(qiáng)大的非線性逼近能力。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中首先網(wǎng)絡(luò)輸入神經(jīng)元的激活值將信息從輸入層經(jīng)隱藏層傳遞給輸出層，輸出層的各神經(jīng)元期望輸出值對應(yīng)輸入層的神經(jīng)元信息[22]。然后，按預(yù)先設(shè)定的學(xué)習(xí)目標(biāo)和減少誤差的原則，通過反饋的誤差值對輸入層到隱藏層和隱藏層到輸出層的連接權(quán)值和閾值進(jìn)行修正。將沖擊定位識別參量作為系統(tǒng)輸入，F(xiàn)BG傳感器的響應(yīng)信號作為輸出，輸入信號前向傳遞，輸出誤差信號反向傳播，進(jìn)行重復(fù)訓(xùn)練，從而實現(xiàn)對碳纖維復(fù)合材料性能的初步定位檢測。BP神經(jīng)網(wǎng)絡(luò)典型的拓?fù)浣Y(jié)構(gòu)如圖2所示。

Fig.2 BP neural network model

圖中,X1,X2,…，Xn是BP神經(jīng)網(wǎng)絡(luò)的輸入層；H1,H2,…,Hr是隱藏層；Y1,Y2,…,Ym是神經(jīng)網(wǎng)絡(luò)的輸出層；Wij和aj分別為輸入層和隱藏層之間的連接權(quán)值和閾值；Wjk和ak分別為隱藏層和輸出層之間的連接權(quán)值和閾值。

2 搭建實驗平臺并獲取沖擊定位識別參量

2.1 實驗系統(tǒng)的構(gòu)建

FBG傳感器是通過待測物與光纖之間的應(yīng)力傳遞，使FBG的反射波長發(fā)生漂移，通過FBG傳感器的應(yīng)變時域信號進(jìn)行分析，設(shè)計出一種直接通過FBG時域信號的數(shù)據(jù)分析來完成復(fù)合材料沖擊的初步定位方法。實驗系統(tǒng)原理如圖3所示，F(xiàn)BG傳感系統(tǒng)布設(shè)于復(fù)合材料之上，小鋼球?qū)μ囟▍^(qū)域進(jìn)行沖擊，為防止沖擊應(yīng)力波受其它障礙物的影響，碳纖維復(fù)合材料層合板四角固定在支撐柱上，F(xiàn)BG的響應(yīng)信號傳遞給光纖光柵解調(diào)儀進(jìn)行解調(diào)，提取沖擊定位識別參量，繼而結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)碳纖維復(fù)合材料層合板的沖擊定位識別。

Fig.3 Schematic diagram of composite impact system

2.2 FBG傳感器布設(shè)及沖擊載荷精確坐標(biāo)定位

以碳纖維復(fù)合材料層合板為沖擊載荷定位對象，在長500mm、寬500mm、厚度3mm的碳纖維復(fù)合材料層合板上，以如圖4所示的方式對FBG傳感器進(jìn)行布設(shè)，其FBG1,FBG2,FBG3和FBG4傳感器的中心波長依次為1576.5nm,1584.7nm,1592.5nm和1600.3nm，同時復(fù)合材料層合板被均勻劃分為16個沖擊區(qū)域A1～A16，為方便記錄實驗數(shù)據(jù)，將碳纖維復(fù)合材料層合板同比例縮小62.5倍，以80mm×80mm記錄數(shù)據(jù)。實驗過程中采用小鋼球(質(zhì)量13.9g，直徑15mm)以自由落體的方式對復(fù)合材料板A1～A16共16個區(qū)域的中心點進(jìn)行沖擊，沖擊高度為15cm，沖擊能量為0.02085J，每個中心點沖擊3次，每沖擊一次都對實驗數(shù)據(jù)進(jìn)行存儲，采用原始時域信號分析法對沖擊進(jìn)行初步定位，以便提取沖擊定位識別參量。

Fig.4 Schematic diagram and physical image of composite laminate impact test

碳纖維復(fù)合材料層合板表面比較光滑，為了使FBG傳感器更緊貼于待測位置表面，在對傳感器進(jìn)行封裝時，首先對待測物的封裝區(qū)域進(jìn)行打磨，打磨方向恒定，待其打磨完成，用酒精進(jìn)行清洗，保證不會有灰塵顆粒等臟物，然后用鉛筆輕輕地在打磨區(qū)域做標(biāo)記，再沿著光纖軸線粘貼膠帶，其粘貼形狀為矩形區(qū)域，長為25mm，寬為5mm，厚度為3層膠布厚(0.4mm)，在粘貼過程中對光纖預(yù)拉。實驗過程中使用的膠粘劑為DG-4，在矩形區(qū)域內(nèi)上膠后再用牙簽將其刮平，最后在室溫下固化48h，其FBG傳感器具體封裝實物圖如圖5所示。

Fig.5 Package physical map of FBG sensor

3 BP神經(jīng)網(wǎng)絡(luò)用于智能復(fù)合材料沖擊定位

當(dāng)小鋼球?qū)_擊區(qū)域進(jìn)行沖擊時，碳纖維復(fù)合材料層合板受到小鋼球的沖擊上下振動，產(chǎn)生沖擊應(yīng)力波，應(yīng)力波在復(fù)合材料層合板中傳遞時具有一定的波速，其距離位置越近，應(yīng)力波到達(dá)的速度就越快，F(xiàn)BG傳感器響應(yīng)的時間就越短，因此沖擊應(yīng)力波的傳遞和時間有關(guān)，各光纖光柵傳感器分別用于獲取沖擊后反映其所在位置應(yīng)變的時域信號特征數(shù)據(jù)。應(yīng)力波的曲線變化類似于正弦波，以小鋼球沖擊A1區(qū)采集的FBG1傳感信號為例，其應(yīng)力波變化如圖6所示。

Fig.6 FBG1 time domain peak signal

利用插值擬合的方式對小鋼球引起的沖擊振蕩信號的起始周期進(jìn)行離散傅里葉擬合法進(jìn)行擬合，以A13區(qū)采集的FBG傳感信號為例，其起始周期應(yīng)變時域放大圖和擬合圖如圖7所示。依次記錄各FBG傳感器的時域峰值響應(yīng)時刻，分別為T1,T2,T3,T4，由于擬合峰對應(yīng)的響應(yīng)時刻的隨機(jī)性大，不可通過尋峰算法直接找出T1,T2,T3,T4的值作為沖擊定位參量，本實驗中利用擬合出的時間差ΔTi作為沖擊定位識別參量，將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入信號，結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)碳纖維復(fù)合材料的參數(shù)化定位。時間差ΔTi計算方式如下：

ΔTi=Ti-T0,(i=1,2,3,4)

(2)

Fig.7 Time-domain magnified image and fitting image of initial period strain in A13 area

式中,Ti為FBGi的起始響應(yīng)峰值所對應(yīng)的時刻坐標(biāo)；T0為碳纖維復(fù)合材料層合板沖擊響應(yīng)的起始響應(yīng)時刻；ΔTi為各FBG傳感器的沖擊響應(yīng)時間差。

利用小鋼球?qū)澏ǖ?6個區(qū)域的中心點依次進(jìn)行沖擊，將采集到的FBG傳感器時域響應(yīng)信號作為訓(xùn)練樣本，通過MATLAB搭建的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)對復(fù)合材料層合板的沖擊區(qū)域進(jìn)行判定和預(yù)報。由實驗過程可知，作為BP神經(jīng)網(wǎng)絡(luò)沖擊定位監(jiān)測系統(tǒng)的FBG響應(yīng)傳感器有4個，分別為FBG1,FBG2,FBG3和FBG4，所采集到的沖擊定位識別參量分別為ΔT1,ΔT2,ΔT3和ΔT4，因此搭建的BP神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元有4個，期望得到?jīng)_擊點坐標(biāo)，所以輸出信號有2個，即沖擊定位坐標(biāo)(x,y)。小鋼球?qū)γ總€沖擊位置重復(fù)沖擊3次，16個沖擊區(qū)域，共48個實驗樣本，選擇單隱藏層，其隱藏節(jié)點為5個，設(shè)置附加動量因子Q=0.9，學(xué)習(xí)率η=0.0001。各FBG傳感器所采集到的實驗樣本如表1所示。

隨機(jī)選中4個沖擊區(qū)域?qū)Υ罱ǖ腂P神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行測試，分別為A2,A5,A14,A15，對每個樣本測試區(qū)域沖擊一次，記錄實驗數(shù)據(jù)。通過MATLAB搭建的BP神經(jīng)網(wǎng)絡(luò)對沖擊定位區(qū)域的訓(xùn)練樣本進(jìn)行訓(xùn)練，將期望值和預(yù)測值的坐標(biāo)點利用圖形進(jìn)行輸出，結(jié)果如圖8所示。

Table 1 Training sample and test sample of impact location identification parameter

continue

Fig.8 The expected output and predicted output sitting value of BP neural network

從圖8可以看出，預(yù)測輸出位置和期望輸出位置均在同一個網(wǎng)格區(qū)域內(nèi)，證明利用BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)對基于FBG傳感器的智能復(fù)合材料進(jìn)行定位監(jiān)測，能夠準(zhǔn)確預(yù)測小鋼球的沖擊位置，然后對期望位置和預(yù)測位置的橫縱坐標(biāo)的絕對誤差進(jìn)行求解，圖形輸出如圖9所示。

Fig.9 Pair error curve of the expected output

由圖9中的數(shù)據(jù)點可知，期望值和預(yù)測值的橫縱坐標(biāo)的同比例縮小誤差范圍在0mm～8mm之間，小于沖擊識別區(qū)域(0，10)，與待測復(fù)合材料層合板總長度比值小于0.1，完全可以精準(zhǔn)地預(yù)測小鋼球沖擊點的位置，實現(xiàn)利用BP神經(jīng)網(wǎng)絡(luò)算法對復(fù)合材料層合板進(jìn)行沖擊定位識別。

4 結(jié) 論

針對智能碳纖維復(fù)合材料層合板對沖擊響應(yīng)極其敏感，其損傷區(qū)域不可通過肉眼的方式直接觀察到，提出了利用FBG傳感系統(tǒng)的時域響應(yīng)信號ΔTi作為沖擊定位識別參量，結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法，對小鋼球的16個沖擊區(qū)域進(jìn)行樣本訓(xùn)練，隨機(jī)選擇4個區(qū)域作為測試樣本，其預(yù)測結(jié)果與待測復(fù)合材料層合板總長度比值小于0.1，完全可以實現(xiàn)智能復(fù)合材料層合板的沖擊區(qū)域的參數(shù)化定位檢測。