摘要
摘要
未来飞行器的智能化发展要求其能够在服役中在线感知当前状态并自主完成
决策，结构承载能力的在线预测是实现这一愿景的关键技术。但在复合材料结构承
载能力的在线预测方面存在着一些难题：一方面，复合材料结构制备的复杂工艺与
各向异性特征使其结构性能存在大量的认知不确定性；另一方面，由于结构状态一
直在动态演化，撞击、过载等突发载荷带来的损伤难以快速识别，传统无损检测方
法如红外、超声检测方法的可达性差，而各类先验健康管理模型难以考虑结构在突
发载荷下的力学响应与损伤演化。
本文以此为背景，基于贝叶斯方法结合离线构建的数据库与在线可获取的动
态传感信息，发展了一种复合材料结构承载能力的在线预测方法。考虑到分层损伤
和压缩载荷广泛存在于飞行器的典型复合材料结构如机身蒙皮中，以含分层损伤
层合板在压缩载荷下承载能力（即分层边界初始损伤的临界载荷或结构屈曲临界
载荷）的在线预测为载体，对所提方法进行说明与验证，具体分为以下四部分内容：
（1）对含分层损伤层合板在压缩载荷下的受载行为、建模方法与影响承载能
力的关键参数的确定这三个问题展开研究。首先，对含分层损伤层合板进行压缩试
验，对初始分层引发的局部屈曲与分层扩展行为、载荷-应变曲线特征等展开分析。
随后，在商业软件ABAQUS中，基于内聚力理论建立了含分层损伤层合板的有限
元模型，要求模型的承载能力以及在指定测点处的传感信息与试验保持一致，从而
确保模型可以利用试验的传感信息完成承载能力的预测。最后，考虑到含分层损伤
层合板有限元模型因复合材料的各向异性特征与损伤模式的复杂性，需要提供较
多的输入参数，且部分输入参数的分布特征具有非均匀性，而在线计算需要控制输
入参数的数量来降低计算成本，故而需要通过敏感性分析来确定这种多参数、非均
匀分布下的模型关键输入参数。本文通过引入Halton低差序列改进了随机平衡傅
里叶幅值敏感性分析方法，使其在处理输入参数较多且非均匀的情况时具有更好
的精度，并用该方法确定了影响含分层损伤层合板结构承载能力的关键参数。
（2）针对多源认知不确定性下层合板结构件的承载能力评估和关键参数的辨
识问题展开研究。首先，设计夹具完成了含分层损伤层合板结构件的压缩实验。随
后，建立了相应的有限元模型并将计算结果与试验结果进行对比。发现由于制备工
艺的离散性，结构受载的非理想性，有限元建模的局限性等多源不确定性的存在，
两者极限承载能力的偏差可达32%。为保证模型能够实现承载能力的准确预测，
需要结合传感信息对模型的关键参数进行辨识。最后，考虑到待辨识的模型参数较
多且传感信息具有时序特征，而动态贝叶斯网络可以较好的处理时序信息问题，发
-I-
哈尔滨工业大学工学博士学位论文
展了基于动态贝叶斯网络的参数辨识方法，在该方法中利用敏感性分析对动态贝
叶斯网络的父节点进行稀疏化，减少了单次辨识参数的个数，使其在多参数辨识的
问题中具有更好的精度，并采用该方法获取了结构的多个关键参数。
（3）发展了一种离线/在线相结合的结构承载能力的在线预测方法。离线阶段
根据结构关键性能的变化范围、可能的损伤形式建立含有大量样本（算例中样本数
量为15730）的数据库为在线快速预测提供支撑；在线阶段利用获取的传感信息和
结构性能的先验信息，基于贝叶斯因子对离线数据库样本快速映射，实现结构承载
能力在线预测，并通过数值算例对所提方法的有效性进行验证。随后，为节约在线
预测的时间，降低布置冗余传感器带来的额外成本，对传感器的布局进行优选。优
选的算法采用遗传算法，适应度函数由辨识样本的贝叶斯因子值、辨识精度、辨识
后各材料性能的分布与初始分布的相对熵共同组成。经算例验证在保证承载能力
预测精度不降低的情况下，在线预测时间从6.77s降为2.76s，效率提高了59%。
（4）在上述研究的基础上，开展了含分层损伤层合板结构件在线承载能力预
测的试验验证。首先，通过结构件在小载荷量级试验下获取的传感数据结合有限元
模型对结构的关键参数进行辨识，并参考辨识结果建立离线数据库。随后，采用该
结构件连续进行两轮试验，在线获取试件表面应变阵列的传感信息对结构的承载
能力进行预测并与试验获取的真实承载能力进行对比。结果表明在获取一定的