(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111254529.2 (22)申请日 2021.10.27 (71)申请人 东南大学 地址 211100 江苏省南京市江宁区东 南大 学路2号 (72)发明人 张辉　王胜　倪中华　罗志涛　 (74)专利代理 机构 北京德崇智捷知识产权代理 有限公司 1 1467 代理人 王雪 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G16C 60/00(2019.01)G06F 113/26(2020.01) (54)发明名称 一种基于深度学习的监测复合材料弹性模 量的方法 (57)摘要 本发明公开了一种基于深度学习的监测复 合材料弹性模量的方法， 其特征是利用深度神经 网络， 建立导波在复合材料中传播的频散曲线与 复合材料弹性模量之间的复杂关系， 实现对复合 材料弹性常数的精确检测。 同时， 该方法提出利 用一种谱元法改进的半解析有 限元法产生训练 神经网络的相关数据集， 该方法可应用于工业设 施、 航天设备等， 实现复合材料弹性性质的快速 超声无损检测。 权利要求书2页 说明书6页 附图3页 CN 114048673 A 2022.02.15 CN 114048673 A 1.一种基于深度学习的监测复合材 料弹性模量的方法， 其特 征在于： 包括如下步骤： 步骤10： 根据复合材料的弹性性质， 包括密度、 厚度、 加强纤维坐向、 叠加层数与弹性常 数， 利用半解析有限元法构造适用于深度神经网络训练的数据集； 步骤20： 在待检测复合材料结构中， 设置致动器与传感器， 进行导波信号的发射与接 收； 步骤30： 利用二维傅里叶变换(2D ‑FFT)对步骤20中发射与接收到的导波信号进行重 建， 得到待检测复合材 料的导波频散曲线； 步骤40： 利用步骤10中所述的数据集训练深度神经网络； 步骤50： 将步骤30中重建的所述导波频散曲线输入到步骤40中训练完备的所述深度神 经网络中， 得到待检测材 料的弹性模量。 2.根据权利要求1所述一种基于深度学习的监测复合材料弹性模量的方法， 其特征在 于： 所述步骤10中利用半解析有限元法构造适用于深度神经网络训练的数据集的步骤为： 步骤11： 对待检测复合材料进行建模， 建立全局笛卡尔坐标系， 其中轴x平行于厚度方 向， 并设置增强纤维相对于轴z成角度 θ， 假定弹性模量与频率变量无关， 且此 处不考虑 粘弹 性， 由于每 个层的方向都描述 为相对于轴z的旋转角度 θ， 因此弹性模量 为 其 中 s＝sin( θ )， c＝cos( θ )， C12＝C21， C13＝C31， C23＝ C32 步骤12： 将导波的任意传播角度引入导波 波数矢量 k中， 其中k代表波数, β 代 表波的传播角度, and 代表方向单 元矢量， 引入一维谱元， 单 元内的点(x,y,z)上的位移u可以写作: 其中 是有限元 形函数,d(e)是节点位移， ω是角频率， e为单 元标记， 从而得到单 元内的应 变张量 ε， ε＝[B1‑jkyB2‑jkzB3]d(e)exp[j(ωt+ksi n( β )y‑kcos( β )z)]权　利　要　求　书 1/2 页 2 CN 114048673 A 2其中： B1＝LxNx,B2＝LyN,B3＝LzN， Nx为N在x方向的导数， ky、 kz代表波 数在y、 z方向的分量， n 为单元的节点个数； 步骤13： 将单 元弹性模量矩阵 和单元质量矩阵me分别表示 为： me＝ ∫ ρ NTNdx 其中ρ 代表材料密度， 将总控制方程改写为线性形式： [A‑γB]V＝0 其中 其中γ＝jk， s ′＝sin( β )， c′＝cos( β )， K为累积弹性模量矩阵， M为累积质量矩阵； 步骤14： 将所述总控制方程通过弹性模量矩阵来研究复合材料的弹性模量， 并对其进 行数值求解， 以构建多层 复合材料在每个频率下 的理论相 速度色散曲线， 深度神经网络训 练的数据集。 3.根据权利要求2所述一种基于深度学习的监测复合材料弹性模量的方法， 其特征在 于： 所述深度神经网络包括若干个卷积神经层(CNN)块和一个全连接层(FCN)块， CNN块的数 量取决于所述数据集的大小， 每个CNN块包含几个一维卷积神经层(1D ‑CNN)和一个最大池 化层， 而FCN 块包含几个FCN层。 4.根据权利要求3所述一种基于深度学习的监测复合材料弹性模量的方法， 其特征在 于： 所述步骤40中训练深度神经网络的过程包括FCN块将在 展平操作后识别CNN块提取的所 有导波频散曲线特 征， 并输出 所需的弹性模量。 5.根据权利要求4所述一种基于深度学习的监测复合材料弹性模量的方法， 其特征在 于： 所述深度神经网络结构包括三个CNN块和一个FCN块， 所述CNN块仅具有一个卷积层， 所 述CNN块选择三种类型的卷积核， 大小分别为3 ×3、 5×5和7×7， 所述CNN块的过滤器数设置 为16、 32和64个， 所述FCN 块第一层具有64个内核。权　利　要　求　书 2/2 页 3 CN 114048673 A 3