随着科学技术的不断进步和发展,越来越多的新型复合材料构件在工业制造过程中被采用,然而复合材料 在服役过程中一旦损坏将造成巨大的损失,因此对复合材料的结构健康检测显得十分重要。将布拉格光纤 光栅(FBG)传感技术应用于玻璃纤维复合材料薄板检测,采用主动冲击的方式在玻璃纤维复合材料板上 激励声波,采集损伤前后的冲击响应信号,研究了基于小波包能量谱冲击响应的损伤识别。通过小波包分解, 得到损伤前后的小波能量谱变化比直方图,比较图中各阶小波包能量比,能够实现复合材料的损伤识别。

以光纤布拉格光栅(FBG)为传感网络，构建了复合材料冲击载荷实时在线监测系统，研究了基于小波包特征提取及支持向量回归机的光纤-碳纤维复合材料结构冲击定位方法。针对同一冲击点，分析不同传感信号，获得了冲击响应信号小波包能量谱，分析结果表明小波包能量谱中特定阶数对冲击敏感。改变冲击点位置研究小波包能量谱与冲击位置之间的关系，提出将第6阶小波包能量值作为冲击定位的特征向量。采用支持向量回归机建立样本数据的回归模型，预测冲击载荷位置，并对支持向量机的相关调整参数进行了优化。实验表明，支持向量机的网络测试误差为4.81％。研究结果可为碳纤维复合材料(CFRP)层状结构的冲击性能评估提供可行的实验方法。

为了解决安瓿内漂浮物与悬浮物的识别问题，提出了一种基于小波包能量谱的特征提取和基于支持向量机的识别方法。首先，通过图像序列差分及点检测分割提取杂质存在区图像作为目标区；然后，将目标区沿安瓿瓶轴线方向逐行叠加形成一维信号，对一维信号进行小波包分解，采用主成分分析法提取小波包分解特征向量中独立主成分；以小波包特征向量中独立主成分的能量谱作为异物类型特征，将提取的特征作为支持向量机的输入向量，采用序列最小优化方法实现训练样本快速分类。实验过程中选择不同类型的核函数和相应参数进行训练和测试，实验结果显示，相对于传统BP网络，SVM将识别用时减少近60%，识别精度提高了35%，能够满足在生产中对浮类杂质的提取和快速识别的要求。

基于结构振动监测技术,采用小波包分析方法对采集的结构振动信号进行了小波分解.介绍了小波包分解技术,提出将小波包能量谱作为损伤指标用以表征结构的损伤状态.在相同损伤位置不同损伤程度、不同损伤位置相同损伤程度的两种情况下对试件进行了六种不同损伤工况的振动信号分析.数据分析结果表明,结构的损伤将导致结构振动信号小波包分解中特定阶数的能量增加,而所提出的损伤指标对结构的损伤程度、损伤距离及损伤位置与光栅传感器之间的角度均敏感,实验中能够识别12 g重物且距离光纤光栅传感器30 cm的损伤,表明对智能结构的在线损伤识别是可行的.