基于改进Elman神经网络的CFRP补强钢板界面脱粘预测研究

针对碳纤维复合材料(carbon fiber reinforced polymer, CFRP)补强钢结构出现内部界面脱粘损伤后难以观测的问题，结合Lamb波检测方法和神经网络提出了一种界面脱粘预测方法。搭建了基于Lamb波的CFRP补强钢板信号分析试验平台，利用ABAQUS软件建立了CFRP补强钢板的机电耦合有限元模型，并通过试验验证了有限元模型的准确性。将长方形和圆形两种脱粘形状的信号在时域和频域内进行分析，基于自适应遗传算法改进的Elman神经网络建立了CFRP补强钢板脱粘预测模型，并将与脱粘面积相关性较高的信号特征数据作为预测模型的特征数据。对预测模型进行性能测试，脱粘形状为长方形和圆形预测值的平均绝对百分比误差分别为3.03%和8.06%,结果表明改进的Elman网络对于脱粘损伤具有较好的预测精度。