基于频率识别纤维增强复合材料弧形板分层损伤

上传人:小** 文档编号:34087242 上传时间:2018-02-20 格式:DOC 页数:10 大小:121KB
返回 下载 相关 举报
基于频率识别纤维增强复合材料弧形板分层损伤_第1页
第1页 / 共10页
基于频率识别纤维增强复合材料弧形板分层损伤_第2页
第2页 / 共10页
基于频率识别纤维增强复合材料弧形板分层损伤_第3页
第3页 / 共10页
基于频率识别纤维增强复合材料弧形板分层损伤_第4页
第4页 / 共10页
基于频率识别纤维增强复合材料弧形板分层损伤_第5页
第5页 / 共10页
点击查看更多>>
资源描述

《基于频率识别纤维增强复合材料弧形板分层损伤》由会员分享,可在线阅读,更多相关《基于频率识别纤维增强复合材料弧形板分层损伤(10页珍藏版)》请在金锄头文库上搜索。

1、基于频率识别纤维增强复合材料弧形板分层损伤 潘静雯 袁浩凡 张芝芳 广州大学广州大学-淡江大学工程结构灾害与控制联合研究中心 中铁二局集团有限公司 摘 要: 利用损伤发生前后的频率变化识别纤维增强复合材料 (FRP) 弧形层合板中的分层损伤。首先建立含分层损伤的 FRP 弧形板有限元模型, 在不同分层损伤情况下计算弧形板的频率, 与无损伤弧形板比较后得到频率改变量。分别使用遗传算法、有代理模型的遗传算法和人工神经网络等三种逆向检测算法对分层的界面、位置和大小进行识别, 发现遗传算法比人工神经网络的预测精度要高很多, 而有代理模型的遗传算法由于采用近似模型替代遗传算法中的有限元模型, 大大提高了

2、算法的运算效率, 在保证精度的前提下, 损伤识别的时间是直接遗传算法的 1/163。关键词: 振动与波; 纤维增强复合材料; 弧形板; 分层损伤识别; 遗传算法; 人工神经网络; 作者简介:潘静雯 (1993-) , 女, 广州市人, 硕士研究生, 主要研究方向为结构健康监测。作者简介:张芝芳 (1985-) , 女, 江西省吉安市人, 博士, 助理研究员, 硕士研究生导师, 主要研究方向为损伤识别和故障诊断。E-mail:收稿日期:2017-04-26基金:国家自然科学基金资助项目 (51508118) Frequency-based Delamination Assessment of C

3、urved Fiber Reinforced Polymer PanelsPAN Jing-wen YUAN Hao-fan ZHANG Zhi-fang Guangzhou University-Tamkang University Joint Research Center for Engineering Structure Disaster Prevention and Control, Guangzhou University; China Railway No.2 Group Co.Ltd.; Abstract: A method for assessing the delamina

4、tion damage in fiber reinforced polymer (FRP) curved panels according to the changes of structural frequencies is proposed. First of all, the finite element models of FRP curved panels with and without delamination damages are constructed respectively in ANSYS. The frequencies of the curved panels w

5、ith different delaminate damages are computed and compared with those of the healthy curved panels. And the frequency changes between the damaged panels and the healthy panels are obtained. Then, three types of inverse algorithms, namely, Artificial Neural Network (ANN) , Genetic algorithm (GA) and

6、Surrogate-assisted optimization (SAO) , are used respectively to identify the delamination interface, location and size of the damages. It is found that ANN has the lowest prediction accuracy among the three algorithms; GA has much higher prediction accuracy than that of ANN but it needs the most co

7、mputer time consuming. To save the computation time, the traditional finite element model of the FRP curved panel in GA is replaced by a surrogate model in SAO. It is found that the time consuming for damage detection is reduced to 1/163 of that of directly using GA, with a slight loss of prediction

8、 accuracy.Keyword: vibration and wave; fiber reinforced polymer; curved panel; delamination damage detection; genetic algorithm; ANN; Received: 2017-04-26纤维增强复合材料 (Fiber Reinforced Polymer, FRP) 具有比强度高、比模量高、可设计性强等优点, 被广泛应用于航空、土木、船舶、汽车等行业。常见FRP 材料主要为层合结构, 层间结合力由强度和模量都相对较低的树脂基底决定, 受到中、低速能量冲击极易发生铺层之间的脱

9、粘和分层, 导致结构性能严重下降, 使之在设计寿命之前终止服役1。有报道称, 在加工、装备和使用过程中产生分层损伤的复合材料层合板, 占缺陷件的 50%以上2。由于分层存在于 FRP 材料内部, 无法通过目测发现, 因此, 对分层损伤进行无损检测具有重要意义。基于 FRP 材料分层发生前后的振动参数变化对 FRP 结构进行无损检测是当前国内外一个研究热点。基于振动识别损伤的原理是结构内部损伤将引起结构刚度的减小, 进而导致结构振动时的动态参数 (如频率、振型、阻尼比) 发生变化, 因此, 可通过振动参数变化逆向推测出结构中的损伤。目前, 将某一种或某几种动态参数或其衍生形式作为预测指标对损伤进

10、行识别的文献都有报道, 但这些方法各有利弊。基于阻尼比的损伤检测方法已有学者进行了相关探索8, 普遍认为阻尼比对损伤比较敏感, 可识别微小损伤。然而, 阻尼比受温度和湿度等环境因素的影响很大9, 同样的结构在不同的时间测试, 阻尼比都可能有明显不同。此外, FRP 复合材料中存在着多种阻尼, 如纤维和基体间的中间相阻尼, 基体与纤维的黏弹性阻尼, 分层部位的滑动摩擦阻尼等, 目前尚未建立起全面解释 FRP 复合材料阻尼机理的模型10。因此, 通过阻尼比变化对 FRP 材料进行损伤识别尚未得到很大的发展和应用。通过振型或振型曲率的变化可以直接得到损伤的位置信息, 而变化的幅度可以推测损伤的大小,

11、 但这是建立在振型能够被准确测量的基础上, 而振型的测量需要在整个结构上合理地布置测量点, 分布多个传感器, 或者移动单个传感器进行多次测量来实现, 因此要测得准确的振型并不容易, 有关振型的识别方法研究虽然活跃, 但目前该法也仅得到了有限的应用。相比之下, 基于频率的检测方法是一种较为可靠的方法, 这是因为结构的固有频率相对其他两个动态参数要容易获取, 仅需单点测量, 且频率的测量数据有良好的稳定性和重现性。因此, 基于频率改变识别 FRP 材料中的分层损伤目前在国内外都有广泛的研究。目前, 相关文献主要集中于利用频率变化对一维 FRP 梁、二维 FRP 平板进行分层损伤识别, 对于较复杂的

12、三维结构如柱、壳、弧形板、加筋板等, 相关的损伤识别研究很少, 大多数研究集中于这些结构中分层损伤的扩展、屈曲和后屈曲、稳定性和失效等方面。本文将以实际应用中较为典型的单曲率三维 FRP 弧形板为研究对象, 使用非支配排序多目标遗传算法 (NSGA-II) 和人工神经网络, 研究通过损伤前后的频率改变量对弧形板的分层损伤大小、位置和界面等多个参数进行识别。为了提高遗传算法的运行速度, 以人工神经网络作为代理模型, 近似模拟分层损伤参数与结构频率变化量之间的关系, 以替代优化过程中迭代运行的弧形板有限元模型, 在牺牲少许精度的情况下, 提高损伤识别算法的效率, 取得精度和速度的平衡。1 FRP

13、弧形板中的分层损伤参数文中 FRP 弧形板的损伤设定为嵌入式的矩形分层, 如图 1 (a) 所示。阴影部分表示分层, R 为弧形板内径, L 表示弧形板的直边长度, t 为弧形板厚度, 为弧边所跨角度。将弧形板 AB、CD 弧边拉直后形成 ABCD 平面, 如图 1 (b) 所示, W 为弧边的弧长。图 1 有损弧形板示意图 下载原图采用五个参数描述分层损伤, 分别是分层的位置 x 和 y (分层中心点至两边的垂直距离) 、分层的大小 a 和 b 以及分层所处的界面 z。除界面参数 z 外, 其他损伤变量均采用无量纲表示, 如位置和大小参数实际设定为 x/L, 、y/W、a/L、b/W。2 F

14、RP 弧形板的有限元模型本小节将介绍含分层损伤的 FRP 弧形板有限元模型的建立。建模分为两个阶段, 首先建立 FRP 平板的有限元模型, 将文献中 FRP 平板的频率数据与所建模型的结果进行对比, 验证有限元模型中单元类型选择、FRP 复合材料铺层角度设置以及分层部位的接触单元添加等操作是否正确, 之后再过渡到构建 FRP 弧形板的有限元模型。这是由于现有文献中难以找到 FRP 弧形板的案例, 无法直接验证弧形板有限元模型是否正确, 故借助 FRP 平板模型的构建进行建模方法的验证。使用有限元通用软件 Ansys 建模, 选择 SOLID185 单元, 通过 Shell 截面 (shell

15、section) 给定铺层角度。从现有的文献报道可知, 分层损伤不能简单地模拟为上下子层的分开, 否则在振动过程中上下子板将会因缺乏约束而相互穿透, 如图 2 所示。因此, 在模型的分层界面添加了 TARGE170/CONTA173 接触对以阻止穿透。FRP平板模型建好后, 与 Ju 等文中的 FRP 平板模型进行对比, 该层合板为边长等于250 mm 的正方形平板, 共 8 层, 厚 2.12 mm, 纤维铺设角度为0/90/45/90s, 边界约束条件为悬臂式, 即一边固定, 三边自由21。正方形分层损伤位于平板正中心, 边长为平板边长的 1/3, 分层处于中间界面, 即上下子层各 4 层

16、。图 2 含贯穿性分层损伤层合梁的有限元模型 下载原图图 3 为当前构建的平板模型 (红色柱) 与 Ju 文中的模型 (蓝色柱) 给出的前六阶频率对比, 图 3 (a) 和图 3 (b) 分别对应无损平板和含分层平板。由图可知, 当前采用 Ansys 软件建立的无损和含分层损伤的 FRP 平板有限元模型与 Ju 文献中的数值模型得到的频率值吻合较好, 由此验证了当前 FRP 层合板模型的构建正确。类似地, 在 Ansys 中采用 SOLID185 单元构建弧形板模型, 见图 4, 采用两直边固支、两弧边自由的边界条件, 这主要是因为两直边固定是在实验室环境下比较容易实现的边界条件, 便于今后通过实验来验证模型。图 3 基于当前有限元模型所得频率与文献结果对比 下载原图模型的直边 L 为 0.21 m, 内径 R 为 0.4 m, 弧长跨度为 57.3, 厚 0.002 m, 铺层为0/90/90/0s。对结构划分不同密度的网格进行收敛性分析, 考察不同单

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 学术论文 > 管理论文

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号