碳纤维增强聚合物板缺陷的虚拟-现实映射声发射信号生成与辅助定位方法

　　本文提出一种创新的虚拟-现实映射方法，通过自编码器（Auto-encoder）生成缺失的声发射（AE）信号，仅需两个传感器即可实现碳纤维增强聚合物（CFRP）缺陷的高精度定位。该方法在多项指标中显著提升分类准确率（最高43.9%），并验证了跨材料（如6061铝合金）和传感器布局的强泛化能力，为结构健康监测（SHM）提供了低成本、高可靠性的解决方案。

　　

Highlights

虚拟-现实映射：一种基于自编码器的声发射缺失信号生成与辅助定位方法

Virtual-to-real mapping

在声发射（AE）传感器位置固定的情况下，采集到的信号波形主要受AE源位置影响。若训练集中缺少某些位置的数据，深度学习模型难以预测这些缺失位置。本研究提出一种缺失信号生成方法：通过自编码器学习实验信号与模拟信号间的映射关系，从而预测缺失位置的时域波形。

Experiment and simulation

本章通过实验和模拟获取信号（详见2.1节），并通过A₀模态速度验证模拟有效性。实验采用T300-3K碳纤维单向布与交叉织物板，以证明方法对各向异性复合材料的泛化能力。

Generation and evaluation of missing signals

第3章通过A₀模态的模拟与实验速度验证了弹性波在CFRP中的传播规律。但由于AE信号的不确定性，模拟与实验信号仍存在较大差异。需通过滤波提取可区分位置信息的特征，为缺失信号的预测与生成提供可行性。

Localization applications and discussion

第4章生成了缺失时域波形，并通过定性与定量分析结合的方式，讨论了不同模型生成信号的保真度及缺失信号区域定位的准确性。

Conclusions

面对CFRP板缺陷缺失AE信号精准定位的挑战，本研究提出虚拟-现实信号映射方法，通过自编码器提取低维特征，将模拟信号映射生成对应实验信号。该方法在不同纤维取向的各向异性CFP材料及各向同性6061铝合金上均验证了强泛化能力。