针对航天复合材料结构缺陷研究了一种基于分位数随机森林和神经网络的缺陷诊断技术,实现了运行中的缺陷定位,分类与趋势诊断。研发的缺陷诊断技术具有精度高、可分类和在线监测的优点,能够根据结构应变场分布诊断出面积为 1cm2 的脱粘缺陷或长度为 2cm 的裂纹缺陷。有助于发挥复合材料轻量化优势,缩短航天器的检修周期,提升发射与重复使用效率。
从航天极端环境需求出发,结合载荷与结构缺陷的特点,从应变分布异常变化感知的角度入手,在机理研究、特征提取、传感器设计、神经网络模型搭建等方面展开了研究,提出了基于分位数随机森林和神经网络的航天复合材料缺陷诊断方法,实现结构脱粘和裂纹缺陷进行定位和分类诊断。提出的方法可以满足航天极端环境需求,实现了缺陷实时监测与精确分类,为基于状态维修。
高东岳,2014年12月获得大连理工大学工程力学专业工学博士学位,2016-2017年在斯坦福大学从事博士后工作。现任江南大学纺织科学与工程学院副研究员、硕导,主要开展极端环境复合材料飞行器结构健康监测、工业故障排除与机器学习等工作。在Struct. Health Monit.,Smart. Mater. Struct.,Aerosp. Sci. Technol等航空航天国际知名期刊上发表论文20余篇,编著著作2部,授权发明专利8项。近五年,承担国家自然科学基金项目1项,国家重点研发计划子课题1项,高校基本科研业务费1项,以及企业横向合作项目4项。与中国运载火箭技术研究院,中国航天科工集团第三研究院,飞机强度设计研究所等科研单位建立了良好合作关系。
评价单位:“科创中国”高技术纤维与现代纺织产业科技服务团 (中国纺织工程学会)
评价时间:2023-11-30
白濛
中国纺织工程学会
中国纺织工程学会科技发展处处长
综合评价
高东岳博士领导的团队在航天复合材料结构缺陷诊断技术方面取得了显著的创新成果。技术上的亮点和应用前景使其在航空航天领域有着广泛的应用潜力。建议继续加强与航空航天企业和科研单位的合作,推动技术的产业化和市场化,为航天器的安全运行和维护提供更加可靠的支持。
查看更多>