在交通运输、航空航天等机械领域,板状结构应用非常广泛,如飞机机翼、列车机身等。这类结构在受到外部因素影响时,结构的某些部位易产生损伤,从而损害结构的性能。针对板状结构,工程技术人员提出了各种各样的结构健康监测方法,比如超声导波检测、机电阻抗检测等。然而,这些检测方法在单独使用时都体现出了一定的局限性。如超声Lamb波检测,虽然Lamb波传播距离远、损伤定位准确,但局部灵敏度低,对损伤程度和类型的识别上并不理想;再如阻抗检测,局部灵敏度虽然很高,但检测范围有限,且损伤定位困难。针对此问题,本文提出一种将导波和阻抗结合运用于板状结构健康检测的方法,以实现损伤的准确定位,并定性识别出损伤的程度和类型。此外,为了实现板材损伤程度的精确定量,将神经网络数据处理技术用于阻抗检测的信号分析和处理,结果表明神经网络能够提高阻抗检测的损伤识别能力。本文的主要工作和成果如下:(1)深入剖析了 Lamb波的传播机理,并对Lamb波的两种基本形式(对称模态和反对称模态)进行了分解。利用Raleigh-Lamb频率方程求解出Lamb波在铝板中的频散曲线,通过图示说明了 Lamb波的群速度、相速度以及模态随频厚积变化的关系。(2)详细说明了铁磁材料的磁致伸缩效应,并在此效应的基础上推导出机磁阻抗的理论计算公式。然后,对理论计算公式进行等效转换,结合换能器自身的属性(如电阻、电感及磁电耦合系数等),推导出可以实际应用的机磁阻抗测量公式。(3)对Lamb波集成机磁阻抗复合检测的机理、实验仪器、测试方法以及信号处理方式进行详细的说明,并提出一个综合损伤指数,以实现两种测试信号的数据融合。该指数融合了两种方法分别检测时的损伤特征指数,根据指数的数值变化特征,可以寻找出指数随损伤属性(如类型、程度等)变化的关系。(4)对Lamb波和机磁阻抗检测分别进行了仿真研究,通过激励带有不同类型和大小缺陷的铝板,取得响应信号并进行转换运算求得损伤指数,并代入设计的综合损伤指数算法之中,得出综合损伤指数并进行比对,最终论证了综合损伤指数可以用于定性区别损伤的程度和类型。(5)为实现铝板损伤程度的定量识别,将神经网络用于机磁阻抗信号的分析和处理。通过建立铝板数值模型,测得铝板的机磁阻抗,并将取得的机磁阻抗数据代入神经网络模型进行训练和测试,证明神经网络能够定量识别铝板损伤程度。