基于LSTM-ResNet模型的时变结构损伤检测

面向火箭结构健康监测，提出了一种基于深度学习的损伤检测方法，直接将多个通道的振动数据作为输入，并基于由长短时记忆网络LSTM（Long Short-Term Memory Networks）和残差卷积神经网络ResNet（Residual Convolutional Neural Networks）组合而成的LSTM-ResNet网络进行损伤识别。其优点在于，首先利用LSTM提取信号的时间依赖特征，减轻了由某些通道信号缺失带来的影响，再利用ResNet在不损耗特征的情况下进一步提取空间特征，提高了训练效率和损伤辨识准确性。通过充液圆筒振动放水实验模拟火箭飞行状态下的燃料消耗，并基于自主构建的数据集和公用数据集对LSTM-ResNet、LSTM、ResNet以及ResNet-LSTM网络进行了训练，训练结果表明，LSTM-ResNet组合网络无论在传感器是否存在故障的情况下都具有更好的性能，损伤检测精度更高。     

扫描振镜激光TC4钛合金焊接性能及熔池流动行为

钛合金广泛应用于飞行器及航空航天发动机，激光焊是连接钛合金的优异焊接方法，目前主要问题是气孔导致的接头性能降低。扫描激光能显著改善激光焊接过程中的匙孔行为及熔池流动状态，从而降低气孔率、细化晶粒，最终提高接头性能。采用光纤激光器对4 mm厚TC4钛合金进行扫描振镜激光焊接，对比分析了以0.4 mm为步长、0.4～1.6 mm扫描幅度扫描前后的焊缝成形、力学性能、晶粒细化程度、熔池流动与匙孔行为。结果表明圆形扫描路径下，激光功率为4 kW、焊接速度为1.2 m/min、离焦量为0、扫描频率为100 Hz、扫描幅度为0.8 mm时，匙孔型气孔受显著抑制，且对应的接头抗拉强度最高，为1 025.03 MPa,达到了母材的96%。与无扫描光束相比较，扫描幅度为0.8 mm的接头上部平均晶粒面积减小了65%;圆形扫描的加入使熔池流动具有方向性，同时扫描激光能扩大并稳定匙孔，减少飞溅与气孔。