复合材料具有强度高、重量轻、可设计性强等优点,已经成为目前各种先进飞机结构的首选材料。用复合材料来制造飞机结构部件不但可以减轻飞机的机体重量,提高飞机的运载能力,还可以提高飞机的可设计性、抗疲劳性、抗腐蚀性,因此复合材料在飞机上的应用部位及使用量可以作为评价飞机结构是否先进的标尺。由于飞机服役的环境恶劣,任何细微的结构损伤都可能影响飞机飞行安全,所以开展飞机结构损伤识别研究,准确、高效地识别出飞机结构损伤,对保障飞机飞行安全具有十分重要的意义。论文以飞机复合材料层合板(型号为BA9912-G0827)为具体研究对象。首先,研究了飞机复合材料的结构特性、损伤因素及损伤形成机理,设计了飞机结构损伤识别方案;其次,对试验件进行冲击及长时间疲劳加载试验,利用先进的光纤光栅传感器募集试验件在不同损伤状态下的原始损伤信息;然后,采用变分模态分解理论对原始损伤信息进行自适应分解,提取出能表征飞机结构损伤状态的奇异熵特征信息。为了更加高效地表征飞机结构损伤状态,采用核独立分量分析方法对多个传感器的奇异熵特征信息进行融合,得到的融合特征信息作为表征飞机结构损伤状态的特征量。最后,分别设计了基于广义回归神经网络、极限学习机、GRNN-ELM组合神经网络的三种不同的损伤识别模型,并通过试验数据对以上三种损伤识别模型的准确性进行了验证。结果表明,三种损伤识别模型都可实现飞机结构损伤识别的效能,损伤识别准确率分别为80%,85%,90%。其中,论文提出的GRNN-ELM损伤识别方法准确率最高,具有很好的工程应用前景。