基于深度置信网络铝合金加筋板冲击损伤识别

铝合金加筋板是卫星、空间站和飞船等航空航天装备关键结构,对其损伤状态进行监测和识别是评估航天器健康状态的前提和基础。针对传统机器学习方法对人工特征提取的依赖性,利用实验模拟与数值仿真相结合的方法,获取铝合金加筋板损伤声发射信号并计算其幅频特性,建立损伤数据集,基于深度置信网络构建冲击损伤智能识别模型进行损伤特征自适应提取,结合Softmax分类器开展了冲击损伤识别研究,并与传统的支持向量机和反向传播（back propagation,简称BP）神经网络识别结果进行了对比。实验结果表明：在2 200 mm×500 mm×10 mm的铝合金加筋板板上对68个测试区域进行了多次冲击损伤识别,在15 300次实验中实现了15 218次冲击损伤准确识别,正确率为99.47%。该研究结果为航天器结构的损伤监测提供了有效方法。