碳纤维强化聚合物是一种先进的结构复合材料,常以层合板的形式用于制造主承力构件或功能构件,在船舶与海洋工程、航空航天等领域具有广泛的应用前景。然而,由于复合材料的宏观非均质性、层合板面内的各向异性等因素影响,其在循环载荷作用下的疲劳损伤发展规律异常复杂,容易在服役期出现强度和稳定性的急剧下降情况,导致相关结构突发失效,从而造成灾难性后果。为了避免海工装备结构突发失效、提高海工装备服役可靠性,开展复合材料结构疲劳损伤诊断技术研究刻不容缓。随着面向结构健康监测的Lamb波检测技术不断发展,在损伤识别的数据模型中融合Lamb波的机理知识已经成为实现复合材料结构疲劳损伤智能诊断的重要研究方向。基于此,本文将系统开展融合机理和数据的复合材料结构疲劳损伤诊断关键技术研究,主要研究内容如下:（1）针对目前复合材料结构疲劳损伤诊断与定位方法存在诊断精度不足、应用场景有限的问题,提出一种基于小波变换与深度卷积神经网络的损伤诊断方法和基于传感器阵列拓扑结构的损伤定位方法。首先,综合利用连续小波变换对损伤信息的可视化表达和卷积神经网络的自动特征提取能力,构建高精度的损伤状态识别模型。之后,定义一种基于典型相关分析的损伤指数,自动生成不同路径的数据标签,消除手动标注的主观影响。接着,提出一种分层疲劳损伤的快速定位方法,根据各通道的损伤诊断结果,定位结构的内部缺陷区域。最后,开展复合材料加速寿命实验验证。实验结果表明:提出的方法可以对复合材料的疲劳损伤进行准确诊断与精准定位。（2）针对当前Lamb波传播规律尚不明确、物理模型仿真结果无法准确匹配实验信号的问题,研究基于有限元分析的Lamb波传播过程建模与仿真方法。首先,建立复合材料层合板结构与Lamb波主动传感系统的有限元模型,并将整个结构划分成多个组合进行仿真,通过改变层间约束条件来引入分层疲劳损伤。随后,以实验信号中的S0和A0波包为参照,调整模型的参数以提高仿真信号的匹配度。最后,对包含不同铺层方向的层合板结构进行仿真验证。仿真结果表明:该方法可以产生与实验信号高度一致的仿真信号,为结构监测数据提供了新的扩充途径。（3）针对现有数据驱动方法依赖大量监测数据、疲劳损伤诊断模型的物理可解释性不足的问题,提出一种机理与数据融合驱动的复合材料结构疲劳损伤诊断方法。该方法利用有限元模型生成不同服役时间的Lamb波仿真信号,将其与实验信号一起输入到提出的多重领域自适应对抗网络模型中,通过领域对抗技术和领域自适应技术提取疲劳损伤的域不变特征,实现源域的物理机理知识辅助完成目标域的损伤诊断。开展不同服役时间的迁移场景实验,对提出的方法进行验证,并与现有方法进行对比。实验结果表明:该方法在实际损伤样本不足和真实训练样本极端匮乏的情况下,都能实现疲劳损伤的高精度诊断,且性能优于现有方法。