基于深度学习的分布式光纤损伤识别方法

航空航天复合材料结构服役环境恶劣，为保证结构安全运行需要发展结构健康监测技术，基于背向瑞利散射的分布式光纤传感器因其便于埋入、抗干扰能力强等优点被广泛应用于结构健康监测领域。如何从复杂的光纤数据中识别结构损伤是健康监测的研究难点之一，基于此问题提出一种用于损伤识别的深度学习方法，采用一维卷积神经网络对复合材料层合板中的脱粘和裂纹损伤进行识别。为了验证方法的可靠性，设置预制损伤的酚醛树脂层合板的悬臂加载试验，其埋入的分布式光纤传感器很好地监测到了损伤区域的应变变化特征，采用试验数据对网络结构进行参数调整，最终确定卷积核大小和卷积层数目。试验结果表明，训练后的一维卷积神经网络能够从复杂的应变曲线中识别出损伤特征，并对损伤特征进行准确定位。在目前的研究中，该方法能够准确识别3 cm2的脱粘损伤和20 mm长的裂纹损伤，同时定位精度小于4 mm。