复合材料基体裂纹损伤演化的自适应粒子滤波预测

doi:10.3901/JME.2024.18.032

机械工程学报 ›› 2024, Vol. 60 ›› Issue (18): 32-42.doi: 10.3901/JME.2024.18.032

扫码分享

复合材料基体裂纹损伤演化的自适应粒子滤波预测

刘小峰, 张天瑀, 韦代平, 柏林, 陈兵奎

重庆大学机械与运载工程学院重庆 400044

收稿日期:2023-10-10 修回日期:2024-05-18 出版日期:2024-09-20 发布日期:2024-11-15
作者简介:刘小峰(通信作者),女,1980年出生,博士,教授,博士研究生导师,主要研究方向为超声导波无损检测、设备监测与故障诊断,智能测试与仪器。E-mail:liuxfeng0080@126.com
张天瑀,男,1998年出生,硕士,主要研究方向为超声导波无损检测。E-mail:1530622497@qq.com
韦代平,男,1991年出生,博士,主要研究方向为超声导波无损检测。E-mail:daipingw@126.com
柏林,男,1972年出生,博士,教授,主要研究方向为机械设备状态监测与故障诊断。E-mail:bolin0001@aliyun.com
陈兵奎,男,1966年出生,博士,教授,博士研生导师。主要研究方向为精密传动,不确定性分析及优化设计。E-mail:bkchen@cqu.edu.cn
基金资助:
国家科技重大专项（J2019-IV-0001-0068)和国家自然科学基金(52175077)项目资助。

Adaptive Particle Filtering Prediction of Crack Damage Evolution in Composite Materials

LIU Xiaofeng, ZHANG Tianyu, WEI Daiping, BO Lin, CHEN Bingkui

College of mechanical and Transportation Engineering, Chongqing University, Chongqing, 400044

Received:2023-10-10 Revised:2024-05-18 Online:2024-09-20 Published:2024-11-15

摘要/Abstract

摘要： 针对复合材料层合板基体裂纹的监测数据小样本特性、损伤参数量测的随机性、退化模型的不确定性等问题，结合基于能量释放率的基体裂纹演化模型，提出复合材料剩余使用寿命的自适应粒子滤波预测方法。该方法首先采用复合材料裂纹损伤的剪滞模型法，从微观力学角度分析了层合板基体裂纹密度与其有效刚度间的解析关系，在此基础上构建基于应变能释放率的层合板裂纹损伤正演模型。然后，综合考虑层合板损伤演化的个体差异性、模型误差、测量噪声等不确定性因素，以复合材料层合板的有效刚度及基体裂纹密度为观测量，建立层合板疲劳损伤的多参量动态状态空间。最后，采用自适应粒子滤波算法对层合板裂纹损伤的演化趋势进行预测评估，同时对每个载荷循环次数下的层合板剩余寿命进行迭代估计。有限元仿真与试验分析表明，模型预测方法揭示了层合板裂纹损伤的渐进演化规律，不仅能够对损伤状态进行有效追踪而且能准确地预测出层合板的剩余使用寿命。

关键词: 复合材料层合板, 应变能释放率模型, 自适应粒子滤波, 寿命预测

Abstract: In view of the small samples of composite laminate fatigue crack data, the randomness of damage parameters measurement, and the uncertainty of degradation model, the method of predicting the remaining service life of composite materials is proposed by combining the matrix crack evolution model based strain energy release rate and the particle filtering with adaptive parameter optimization. Firstly, the shear-lag model of composite crack damage is used to analyze the analytical relationship between the matrix crack density and the laminate effective stiffness from the micromechanical point of view, based on which the strain energy release rate based laminate cracking evolution model is constructed. Secondly, taking into account the individual variability of laminate damage evolution, modeling errors, measurement noises and other uncertainties, by taking the effective stiffness and matrix crack density in the laminate as the observed quantities, a multi-parameter dynamic state space of laminate fatigue damage is established. Finally, the adaptive particle-filtering algorithm is utilized to evaluate the continuous evolution of laminate crack damage, and then the remaining useful life under different load cycles is predicted iteratively. The finite element simulation and experimental analysis showed that the proposed model and prediction method not only reveal the progressive evolution law of laminate crack damage, but also can effectively track the damage state and accurately predict the remaining useful life of the laminate.

Key words: composite laminates, strain energy release rate model, adaptive particle filtering, remaining useful life prediction

中图分类号:

TP33

刘小峰, 张天瑀, 韦代平, 柏林, 陈兵奎. 复合材料基体裂纹损伤演化的自适应粒子滤波预测[J]. 机械工程学报, 2024, 60(18): 32-42.

LIU Xiaofeng, ZHANG Tianyu, WEI Daiping, BO Lin, CHEN Bingkui. Adaptive Particle Filtering Prediction of Crack Damage Evolution in Composite Materials[J]. Journal of Mechanical Engineering, 2024, 60(18): 32-42.

参考文献

[1] 赵文滔，杨颜志，王长焕等. 基于贝叶斯推断的复合材料层间内聚力模型参数反演[J]. 机械工程学报， 2022，58(6)：110-118. ZHAO Wentao，YANG Yanzhi，WANG Changhuan et al. Parameter inversion of interlaminar cohesion model for composite materials based on Bayesian inference[J]. Journal of Mechanical Engineering，2022，58(6)：110-118.
[2] DHARMANTO A，SAEPUDIN A. Fatigue life prediction of 180 Ton lifting spreader construction material ST43 using S-N curve[J]. Journal of Physics：Conference Series，2021，1764(1)：012183.
[3] 高建雄，安宗文，白学宗. 随机载荷下风电叶片复合材料剩余强度概率模型[J]. 太阳能学报，2018，39(8)：2169-2175. GAO Jianxiong，AN Zongwen，BAI Xuezong. Probability model of composite residual strength of wind turbine blade under random load[J]. Acta solar energy Sinica，2018，39(8)：2169-2175.
[4] 陈基伟，姚卫星，宗俊达，等. 复合材料剩余刚度概率模型研究[J]. 南京航空航天大学学报，2019，51(4)：534-539. CHEN Jiwei，YAO Weixing，ZONG Junda，et al. Study on probability model of composite residual stiffness[J]. Journal of Nanjing University of Aeronautics and Astronautics，2019，51(4)：534-539.
[5] CHAO W，ZHAO X，WEN H D et al. Bond characteristics between ultra high modulus CFRP laminates and steel[J]. Thin-Walled Structures，2011，51(2)：147-157.
[6] HUANG Zhenyu，ZHANG Wei，QIAN Xudong et al. Fatigue behaviour and life prediction of filament wound CFRP pipes based on coupon tests[J]. Marine Structures，2020，72：102756.
[7] 寇海霞. 复合材料风电叶片刚度退化模型研究[D]. 兰州：兰州理工大学，2019. KOU Haixia. Research on stiffness degradation model of composite wind turbine blade[D]. Lanzhou：Lanzhou University of technology，2019.
[8] 陆毛须，姬晓慧，郝自清等. 复杂面内应力状态下平面编织高铝纤维增强氧化铝基复合材料强度及疲劳寿命预测方法[J]. 复合材料学报，2021，38(11)：3785-3798. LU Maoxu，JI Xiaohui，HAO Ziqing，et al. Prediction method of strength and fatigue life of plane braided high alumina fiber reinforced alumina matrix composites under complex in-plane stress[J]. Journal of composites，2021，38(11)：3785-3798.
[9] 王顺. 基于能量理论的复合材料拉-压疲劳寿命预测研究[D]. 南京：南京航空航天大学，2020. WANG Shun. Research on tension compression fatigue life prediction of composites based on energy theory[D]. Nanjing：Nanjing University of Aeronautics and Astronautics，2020.
[10] 廖兴升，梁智洪，傅继阳等. 基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命[J]. 复合材料学报，2021，38(10)：3323-3337. LIAO Xingsheng，LIANG Zhihong，FU Jiyang et al. Prediction of residual fatigue life of glass fiber reinforced resin composite laminates based on frequency variation [J]. Journal of composite materials，2021，38(10)：3323-3337.
[11] 刘晓伟. P-S-N曲线估计与疲劳荷载统计建模的贝叶斯方法研究[D]. 哈尔滨：哈尔滨工业大学，2019. LIU Xiaowei. Bayesian method for P-S-N curve estimation and statistical modeling of fatigue load[D]. Harbin：Harbin Institute of technology，2019.
[12] DAVIDE L，MALJAARS J，SNIJDER H H. Fitting fatigue test data with a novel S-N curve using frequentist and Bayesian inference[J]. International Journal of Fatigue，2017，105：128-143.
[13] ZONG Junda，YAO Weixing. Fatigue life prediction of composite structures based on online stiffness monitoring[J]. Journal of Reinforced Plastics & Composites，2017，36(14)：1038-1057.
[14] BANERJEE P，KARPENKO O，UDPA L et al. Prediction of impact-damage growth in GFRP plates using particle filtering algorithm[J]. Composites Structures，2018，194：527-536.
[15] LOUTAS T，ELEFTHEROGLOU N，ZAROUCHAS D. A data-driven probabilistic framework towards the in-situ prognostics of fatigue life of composites based on acoustic emission data[J]. Composite Structures，2017，161：522-529.
[16] CADINI F，ZIO E，AVRAM D. Monte Carlo-based filtering for fatigue crack growth estimation[J]. Probabilistic Engineering Mechanics，2009，24(3)：367-373.
[17] CRISTIANI D，SBARUFATTI C，GIGLIO M. Damage diagnosis and prognosis in composite double cantilever beam coupons by particle filtering and surrogate modelling[J]. Structural Health Monitoring，2021，20(3)：1030-1050.
[18] PENG T，LIU Y，SAXENA A et al. In-situ fatigue life prognosis for composite laminates based on stiffness degradation[J]. Composite Structures，2015，132：155-165.
[19] CORBETTA M，SBARUFATTI C，GIGLIO M et al. A Bayesian framework for fatigue life prediction of composite laminates under co-existing matrix cracks and delamination[J]. Composite Structures，2018，187：58-70.
[20] MUSTAFA G，CRAWFORD C，SULEMAN A. Fatigue life prediction of laminated composites using a multi-scale M-LaF and Bayesian inference[J]. Composite Structures，2016，151：149-161.
[21] AL H，KL R. Stiffness-reduction mechanisms in composite laminates[J]. Damage in Composites Materials，ASTM STP 1982; 775：103-17.
[22] JOFFE R，VARNA J. Analytical modeling of stiffness reduction in symmetric and balanced laminates due to cracks in 90° layers[J]. Composites Science & Technology，1999，59(11)：1641-1652.
[23] CHIACHÍO J，CHIACHÍO M，SAXENA A et al. Bayesian model selection and parameter estimation for fatigue damage progression models in composites[J]. International Journal of Fatigue，2015，70：361-373.
[24] TAO C，JI H，QIU J et al. Characterization of fatigue damages in composite laminates using Lamb wave velocity and prediction of residual life[J]. Composite Structures，2017，166：219-228.
[25] SAXENA A，GOEBEL K F，LARROSA C C et al. Accelerated aging experiments for prognostics of damage growth in composite materials[C]// The 8th International Workshop on Structural Health Monitoring，Vol 15，F.-K. Chang，editor. 2011.

复合材料基体裂纹损伤演化的自适应粒子滤波预测

Adaptive Particle Filtering Prediction of Crack Damage Evolution in Composite Materials

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴吉展, 魏沛堂, 吴少杰, 刘怀举, 朱才朝. 航空齿轮钢滚动接触疲劳性能预测与表面完整性优化[J]. 机械工程学报, 2024, 60(8): 81-93.
[2]	张军辉, 刘施镐, 徐兵, 黄伟迪, 吕飞, 黄晓琛. 轴向柱塞泵智能化关键技术研究进展及发展趋势[J]. 机械工程学报, 2024, 60(4): 32-49.
[3]	纪佳馨, 彭程, 项冲, 黄乐, 郭飞. 考虑变速条件的斯特封磨损寿命预测方法[J]. 机械工程学报, 2024, 60(3): 191-202.
[4]	张伟, 李如俊, 葛士涛, 彭艳. 基于内禀耗散理论的高周疲劳双尺度伤演分析[J]. 机械工程学报, 2024, 60(20): 120-133.
[5]	陈健, 孟义兴, 袁慎芳, 徐秋慧, 王卉. 融合导波监测的搭接结构裂纹扩展寿命孪生预测[J]. 机械工程学报, 2024, 60(16): 34-42.
[6]	赵雷, 张利宾, 宋恺, 徐连勇, 韩永典, 郝康达. 新型马氏体耐热钢耦合控制下蠕变-疲劳循环变形研究[J]. 机械工程学报, 2024, 60(16): 118-129.
[7]	朱挺, 陈兆祥, 周笛, 陈震, 胡兵, 潘尔顺. 基于Bayesian-LSTM神经网络的热轧轧辊剩余寿命预测及不确定性评估[J]. 机械工程学报, 2024, 60(11): 181-190.
[8]	何海风, 刘怀举, 朱才朝, 李高萌, 陈地发. 残余应力对齿轮弯曲疲劳的量化影响研究[J]. 机械工程学报, 2023, 59(4): 53-61.
[9]	刘志状, 吴昊. 一种基于参数影响的数据驱动下的疲劳寿命预测方法[J]. 机械工程学报, 2023, 59(4): 71-79.
[10]	赵琳, 刘源, 曹喜滨, 侯耀东, 张俊杰. 基于NNBoost的卫星用复合材料层合板结构不确定性固有频率分析方法研究[J]. 机械工程学报, 2023, 59(24): 242-250.
[11]	王宇, 刘秋发, 彭一真. 非均匀监测条件下滚动轴承剩余寿命预测方法[J]. 机械工程学报, 2023, 59(23): 96-104.
[12]	喻健, 缑百勇, 陈桂勇, 张腾, 马斌麟, 樊祥洪, 陈鑫, 王逸韬. 胶铆混合修理结构疲劳裂纹扩展性能分析[J]. 机械工程学报, 2023, 59(22): 352-368.
[13]	杨博文, 高强, 王硕, 霍军周. 基于面面接触结构的高温微动疲劳寿命预测研究[J]. 机械工程学报, 2023, 59(18): 165-174.
[14]	沈天浩, 丁康, 黎杰, 黄如意, 李巍华. 图结构联合时序数据驱动的装备剩余使用寿命预测方法[J]. 机械工程学报, 2023, 59(12): 183-194.
[15]	杨超颖, 刘颉, 周凯波. 基于路图注意力网络的轴承剩余寿命预测方法[J]. 机械工程学报, 2023, 59(12): 195-201.