技术特征：
1.一种基于小波包分解的复合材料试样损伤识别与失效分析方法，其特征在于，包括以下步骤：(1)针对复合材料铺层试样进行声发射试验，提取声发射信号并进行小波包分解；(2)基于小波包能量比例和k-means++算法，建立不同损伤模式下声发射信号全频域响应特性与损伤机制的关联关系；基于相似性度量，通过高维向量的聚类实现损伤模式识别，并对损伤模式的失效过程进行分析；(3)基于累积小波包能量对试样的损伤模式识别与失效过程分析进行验证。2.根据权利要求1所述的方法，其特征在于，所述步骤(1)具体包括：(1.1)提取各声发射撞击信号的原始波形信号，通过使用离散小波变换的多次迭代推导得到入波形的频域细节；(1.2)根据最小香农熵选择最佳小波包基，采用小波包分解在多分辨率分析中分解小波子空间，实现对信号任意频段的聚焦，得到重构信号在不同层级和频率范围内的能量比例，将声发射波形信号表征为高维向量。3.根据权利要求1所述的方法，其特征在于，所述步骤(2)具体包括：(2.1)将声发射信号视为高维空间中的向量，用余弦相似度衡量不同信号的相近程度；(2.2)将声发射撞击信号表征的向量间的余弦相似度作为小波包分解表征的高维向量的聚类依据，采用k-means++算法实现声发射数据的损伤模式识别；利用声发射撞击信号对的累积数目，构造一个与时间相关的损伤类别转化矩阵，用于表征各损伤模式之间的转化关系并实现失效过程的分析。4.根据权利要求3所述的方法，其特征在于，所述损伤模式有四种，分别为：基体开裂、纤维/基体界面脱粘、层间分层、纤维断裂；其中纤维断裂的峰值频率大小最高，其次是层间分层和纤维/基体界面脱粘，最次是基体开裂。5.根据权利要求1所述的方法，其特征在于，所述步骤(3)具体包括：利用各损伤模式在不同频段上的累积小波包能量数值高低差异和跃升时间区别，以及同种损伤模式下累积小波包能量在各频段中的变化趋势，对步骤(2)获得的对试样的损伤模式识别与失效过程分析结果进行验证。
技术总结
本发明涉及复合材料声发射检测研究领域，旨在提供一种基于小波包分解的复合材料试样损伤识别与失效分析方法。包括：针对复合材料铺层试样进行声发射试验，提取声发射信号并进行小波包分解；基于小波包能量比例和k-means++算法，建立不同损伤模式下声发射信号全频域响应特性与损伤机制的关联关系；基于相似性度量，通过高维向量的聚类实现损伤模式识别，并对损伤模式的失效过程进行分析；基于累积小波包能量对试样的损伤模式识别与失效过程分析进行验证。本发明能够获得在多种环境下进行复合材料的损伤分类与失效过程分析，并且适用于动态数据集，极大地提高了损伤识别运算效率；本发明适用于多种环境下复合材料的损伤分类与失效过程分析。与失效过程分析。与失效过程分析。
技术研发人员：刘鹏飞 陈泓宇
受保护的技术使用者：浙江大学
技术研发日：2022.11.18
技术公布日：2023/2/23