通信工程论文哪里有？本文以 GFRP 为对象，采用超声脉冲反射法，对玻璃纤维复合材料层压板中的分层缺陷进行检测时，由于采集到的超声回波信号比较成分比较复杂，无法有效区分缺陷信号与材料内部结构信号，存在多重的信号混叠，研究了有效地缺陷信号特征提取技术、缺陷辨认技术。对提高 GFRP 层压板分层缺陷超声检测精度以及分离多重混杂缺陷回波信号解决技术有着重要的意义。
第一章 绪论
1.2 国内外研究现状
1.2.1 GFRP 无损检测技术国内外研究现状
无损检测主要在不切割或改变材料的情况下，对材料表面和内部损伤进行识别和表征。无论是缺陷的数目、大小还是类型等特性，无损检测都能够进行定性和定量量的检测于评估，也就是说在产品的各个制作阶段和应用阶段都能够采用这种措施。伴随着 GFRP 被普遍应用于各个领域，GFRP 无损检测技术也不断发展。复合材料无损检测领域采用了多种技术，包括涡流检测、X 射线照技术、超声波检测、热成像、声发射检测等。
(1) X 射线照相术
射线照相术取决于受检样品或部件对辐射的不同吸收。经过试样的未吸收辐射水平由荧光屏、胶片或感光纸监控。为了提高缺陷和基底材料之间的对比水平，通常在检验前在试样上施加渗透剂。渗透剂的选择取决于复合材料的损伤程度和类型。然而，碘化锌经常使用，因为它容易获得，不影响层压材料的机械性能，并且无毒。X 射线照相术是一种非常有用的技术，用于识别损伤，如基体开裂、分层和大面积纤维断裂。如果使用细颗粒 x 光胶片和相对高的电压，能够检测到尺寸明显小于 1 毫米的缺陷[6]。在损坏严重的地区，技术的分辨率是有限的，区分各种故障模式变得困难，如果不是不可能的话。渗透增强原位射线照相术能够对损伤发展过程进行实时分析，并能产生关于复合材料变形和失效机理的大量信息。经过拍摄两张复合材料的射线照片，一张垂直于射线束，另一张与射线束成一定角度，能够获得损伤区的三维评价。当经过立体观察器观察时，获得三维图像。X 光射线照相技术不适用于制造部件的一般生产检查，但更适合于高分辨率损伤表征。
(2) 热成像
热成像技术依赖于受损复合材料部件的不同吸热和散热。使用两种类型的分析，即被动和主动热描记法。前者依靠外部热源，后者依靠摩擦和摩擦表面的内部发热。后一种技术仅适用于发生连续发热过程的疲劳载荷结构。在被动方法中，部件的表面经受快速的温度升高，并监测随后的热流。由于穿过损伤区的热流减少，诸如冲击损伤之类的缺陷会导致热量积聚，这可由红外敏感照相机检测到[7]。该技术的有效性取决于被测材料的热导率。在玻璃纤维复合材料的情况下，层压板平面内的导热率大约是整个厚度方向上的导热率的九倍。由于这种低的横向热扩散率，位于或靠近厚复合材料中心的缺陷或损伤区很难被检测到。热成像最适合于检测明显的分层，如局部冲击载荷引起的分层。分辨率在很大程度上取决于元件的热特性及其厚度。然而，热描记法不如各种超声波方法灵敏。热成像的一个主要优点是，它能够用于检查大型结构，如复合材料机翼或机身部分。这种技术的一种变化是振动热成像，其中施加低振幅振动以在结构中引起局部加热，并且经过红外照相机收集数据。
通信工程论文范文
..............................
第三章 基于参数优化 VMD 的 GFRP 内部缺陷特征提取
3.1 变分模态分解原理
以每个本征模态函数是其中心频率附近的窄带信号为准则，构造 VMD 变分模型[64]，由交替方向乘子算法在傅里叶频域进行迭代求解，尽而将输入信号分解为一组本征模态函数的线性组合。
玻璃纤维复合材料超声回波信号通常是非平稳的、非线性的，并且混杂着复杂的结构噪声，对采集回来的超声回波信号进行降噪是必不可少的。VMD 普遍应用于轴承故障诊断、生物组织健康诊断、信号增强和识别等领域。但是，其中的 VMD 分解中两个重要参数，模态函数的各个数和二次惩罚项系数的选取一直是凭经验来确定的，而且参数的选取会影响分解结果的优劣。为了是实现自适应 VMD 分解并达到最优的分解结果，需要采用智能算法更快更准确地得到 VMD 参数组合最优解。本章针对在实际超声检测过程中采集到的 GFRP 缺陷信号的波形特点，采用 VMD 方法对玻璃纤维复合材料内部缺陷信息进行提取，且经过粒子群算法对变分模态分解中参数准确的确定，提高了变分模态分解算法对超声回波信号降噪的有效性。验证该方法的有效性，与现有的经验模式分解相比，该方法能更清晰地分解出干扰信号。
..............................
第四章 基于递归分析的 GFRP 内部缺陷识别
4.1 递归分析基础及相关参数
自然界中有几种现象，例如潮汐和钟摆，它们的某个时刻的状态在一定时间后会重复出现，这意味着系统的某种状态在一定时间具备相同或相似的特征，这种现象称为递归状态[47]，递归状态能够是 RP 和 RQA 技术为研究非线性动力系统的新变化提供的一种新的工具。由于玻璃纤维的层状结构，背散射信号中存在周期成分，受到小缺陷的影响，可能会出现不规则的产卵、折射等物理现象，因此信号增加了复杂度，系统传达特性下降。在前文介绍的常用信号解决方式、复合材料超声检测方法基础上，本章采用了 RP 和 RQA 的方法，经过对有分层缺陷玻璃纤维复合材料和无分层缺陷玻璃纤维复合材料进行超声检测实验。利用 RP 和 RQA 技术，识别了超声波探伤缺陷和后向散射信号，并检验了递归分析模型的适用性、实用性和有效性。研究了对这类型的 GFRP 缺陷检测拟合最好的递归特征和评价参数。
经研究发现，任何系统中没有任何规则的运行特性能够表达为该系统的混沌特性，常常应用于类似机械振动信号、脑肌生理信号以及电能信号等这样的时间序列，这些无序的、没有任何规律的信号，我们统一称为混沌信号。Lackard 等[57]最先提出从时间序列方向来研究混沌系统。所谓的混沌时间序列是指一组拥有混沌特性的序列信号，它是根据混沌模型产生的非线性系统，包含着很多动力学信息。因此针对这种特殊的序列信号，不管是计算，或是经过模型的设定和分析均都需要借助相空间来完成，所以重构相空间是对这种特殊的序列信号分析中十分必要的内容。
................................
4.2递归图与递归定量分析
4.2.1递归图
递归图（Recurrence Plot，RP）以相空间重构为基础，是一种高维相空间轨迹递归的二维图示。通过 RP 为信号识别的研究提供了直观化、可视化的定性分析手段[56]。正弦周期信号的时域图与 RP 分析图如图 4-4 所示，由于 RP 的结构特征和图形变化由其表征信号的特性决定，所以经过观察分析 RP 能够获得信号的特性。
图 4-4 正弦周期信号的时域图与递归图
...........................
第五章 总结与展望
本文主要研究了玻璃纤维复合材料超声缺陷信号处理技术。对采集得到的超声回波信号进行分析，针对缺陷信号的特点采用了变分模态分解原理结合粒子群算法的方法对玻璃纤维复合材料缺陷进行特征提取，并应用了无损检测新方法递归分析对复合材料缺陷回波信号进行缺陷信号识别分析，并取得了很好的效果，具体由以下部分具体展开：
(1) 研究了玻璃纤维复合材料缺陷超声检测技术的现状，存在的问题和不足，研究了各种超声无损检测和信号分析方法的特点和应用。在此基础上，采用变分模态分解原理和粒子群算法对玻璃纤维复合材料进行缺陷检测。
(2) 研究了递归分析理论，建立了递归度与材料缺陷的关系，并围绕超声玻璃纤维复合材料传播的非线性特征，研究了超声检测信号的循环分析和缺陷特征提取方法，验证了递归分析技术的有效性。
(3) 采用定量分析方法准确获取检测信号中的信息，经过对实测的玻璃纤维复合材料缺陷信号和无缺陷信号的再分析，验证了玻璃纤维复合材料超声无损检测的可行性。
参考文献（略）
