中文摘要：

对带有小损伤的飞行器复杂机体结构，通过测取其振动响应信号，从中优化选择能够表征结构损伤的特征信息群、进而利用概率神经网络建立结构损伤特征和损伤物理状态之间的非线性映射关系，形成复杂结构损伤现场定位定量识别检测系统。主要研究基于压电智能结构对机体结构服役工况下的振动响应主动测量技术、基于结构小损伤特征参数对损伤灵敏度的数据发掘技术和优化进化算法；现场数据压缩与降噪；隐藏信息发现与测量数据二次开发；改进概率神经网络的识别能力与可靠性等。项目研究成果丰富了传统的结构故障振动检测理论，填补了数据发掘与知识发现等人工智能技术在结构损伤检测领域的应用的空白，同时为保障飞机飞行安全、预测机体结构剩余寿命、提高维护维修效率和降低成本提供良好的技术支持和储备，在航空科学技术及相关领域具有重要学术价值和广阔的应用前景。

结论摘要：

为解决复杂结构小损伤振动检测方法中的关键性难题，项目将服役结构振动信号在线测取与现代信号处理技术、损伤结构动力学建模、构造和提取更灵敏的结构损伤特征量、基于人工智能方法的结构复杂损伤状态的识别等多项技术综合运用于结构小损伤振动检测。建立了从服役结构自动获取动态信号、高灵敏度损伤故障特征量构造与提取、复杂损伤模式智能识别等一套完善的结构小损伤在线检测策略与技术。研究成果被成功应用于埋入压电片激振/传感元件的复合材料层合板、半充液复合材料容器和复合材料机翼盒段模型的复杂损伤状态识别与检测，进行了大量试验研究，理论计算与试验结果吻合度较好。研究过程中，根据课题研究需要，先后发展了基于小波包分解、基于改进的Hilbert-Huang变换、基于盲源分离等方法的的高灵敏度结构损伤特征构造与提取，以及基于小生境遗传算法和概率神经网络映射技术的结构复杂损伤状态识别等一系列关键技术。这些关键技术的提出与实现，不仅具有很高的学术研究价值，而且为大量军用民用关键结构的初期损伤在线检测、有效提高重大结构的安全裕度和制定相应的控制与维护策略提供了科学可靠的技术支持，具有广阔的工程应用前景。