针对静止状态下飞机蒙皮表面残冰检测问题，提出一种超声导波检测技术，通过提取时域和频域的特征参数变化，实现板状结构表面的透明冰、混合冰、霜冰3种类型区分和积冰厚度判断。首先通过ABAQUS仿真软件采集超声Lamb波S0模态信号，在时域内观察随厚度和类型变化引起的S0模态幅值衰减程度，同时在频域内引入积冰系数，最终实现了关于厚度和类型的非线性映射。其次，对使用Lamb波分辨3种不同类型积冰的厚度进行了实验验证，对比仿真结果表明该方法存在一定可行性。最后，总结了判断积冰种类和厚度的方法。

大型飞机上的纤维金属层板因工艺、环境等原因易在黏接界面处产生脱黏，成为影响飞机飞行的安全隐患，因此对纤维金属层板黏接层的早期微脱黏进行有效检测与评价具有重要意义。本文提出了一种基于局部缺陷共振（LDR）的黏接界面微脱黏程度的评价方法。在接触声学非线性机制下，将缺陷作为非线性弹簧振子，推导其LDR频率，并通过数值仿真分析了不同激励条件下的共振。以预置不同尺寸脱黏缺陷的玻璃纤维-铝合金黏接板为实验对象，利用粘贴在表面的压电传动/传感单元，根据LDR频率有选择性地采用不同频率的激励信号作用在黏接板上，并对接收的响应信号进行频谱分析。仿真与实验结果表明，基于LDR效应可以增强微脱黏界面间的非线性，并可以通过LDR频率对微脱黏损伤面积进行估算。

材料早期性能退化阶段的损伤形式以微裂纹为主，微裂纹与超声的非线性作用能够表征材料的损伤情况。根据经典微裂纹非线性弹簧模型，从理论上分析裂纹参数对非线性系数的影响，建立不同裂纹参数的铝合金板三维模型，使用高频Lamb波进行数值仿真，研究长度、宽度和角度与非线性系数的关系，结果表明非线性系数随裂纹长度增加而增加，随裂纹宽度变宽而减小。在Lamb波传播方向与垂直方向布置三个接收探头，三个接收探头的非线性系数随角度增加而变化，因此通过三点的非线性系数值可以判断裂纹的角度。这一研究工作对后续使用高频Lamb波定量检测微裂纹角度具有重要意义。

针对碳纤维复合材料(CFRP)的缺陷类型自动判别,提出一种超声一维卷积神经网络(U-1DCNN),结合贝叶斯优化方法进行超参数优选,通过自动提取超声A-Scan信号特征,实现分层、气孔、无缺陷三种类型自动区分。首先采集超声A-Scan信号构建数据集,然后利用多卷积块同时进行特征提取,以增强提取特征的多样性,并将一维残差单元堆叠连接,在进一步提取特征的同时简化网络的训练,利用贝叶斯优化算法优选网络的学习率和随机梯度下降的动量参数,最终实现了A-Scan信号与缺陷类型的非线性映射。实验结果表明,U-1DCNN可通过自动提取特征实现CFRP的缺陷类型识别,准确率为99.50%,并且较二维卷积神经网络方法识别速度更快,可辅助缺陷检测结果判断。

为了提高分类精度,提出一种基于奇异点和隐马尔可夫模型(HMM)融合的指纹分类方法。分别对基于奇异点的指纹分类方法和基于HMM的指纹分类方法的信任度函数进行分配,利用证据理论求得两种方法联合作用下的基本可信度分配值。最后,根据纹形模式判定规则,选择具有最大支持度的目标完成指纹纹型分类。利用提出的方法在国际指纹竞赛数据库上做了测试,总的纹型辨识平均正确率可达94.5%,识别结果优于奇异点分类方法和HMM分类方法,具有一定的实用价值。

为了弥补Maio等人提出的直接灰度提取细节算法(DGMD)在指纹脊线曲率变化较大时不能正确的提取细节点的缺点,本论文提出了一种基于Hessian矩阵的指纹细节点(端点和分叉点)提取算法。该算法结合Hessian矩阵的特征向量和指纹纹线本身的几何方向的特点,提取跟踪曲线的细节点。本算法在FVC2000(国际指纹竞赛数据库)上作了测试,实验结果表明,指纹脊线曲率变化较大时,算法能正确跟踪指纹脊线方向突变的中心线,从而使细节点提取的总的准确率可达95.5%,具有一定的实用价值。与DGMD算法和单独的Hessian矩阵法算法相比,本方法有很好的鲁棒性和较高的准确性。

结合小波变换(WT)、二维主元分析(2DPCA)和椭球基函数(EBF)特点,提出了一种基于WT、2DPCA和EBF神经网络指纹识别方法。利用小波变换将原始图像分解为高频分量和低频分量,并忽略水平高频与垂直高频分量,获得原始图像的基本特征。再通过2DPCA算法对该图像进行降维,获取降维特征;最后结合椭球基函数神经网络(EBFNN)完成指纹识别。本算法将2DPCA优化的特征提取与EBFNN的自适应性相结合,在FVC2000(国际指纹竞赛数据库)上做了测试,总的正确识别率可达91.4%,具有一定的实用价值。与WT-PNN算法和WT-2DPCA-RBF算法进行比较,结果表明,本文提出的算法在平移、旋转及光照变化的指纹数据库上的识别效果优于WT-PNN算法和WT-2DPCA-RBF算法。