碳纤维复合材料由于其比刚度和比强度高、耐腐蚀和疲劳性能强等优点，越来越多地应用于航空及航天工业等高性能领域的主要结构部件。它们在制造过程中因易受缺陷和夹渣，这可能会影响其发挥最佳性能。此外，它们易受到低速冲击等威胁性行为，材料内部可能出现严重损伤，而受冲击侧没有任何痕迹。它们可能导致复合材料内部基体开裂和分层以及纤维断裂，更甚演变为疲劳断裂。不可见损伤水平与结构退化相对应，损伤降低结构的剩余强度和耐久性，导致灾难性的材料失效，威胁飞行器安全运行，因此，迫切需要对碳纤维复合材料结构进行结构健康监测。
　　Lamb波因其传播距离长、成本低、对各种缺陷具有良好的灵敏度，已成为复合材料检测与评价的研究热点，是最具应用前景的健康监测技术。虽然基于Lamb波的健康监测技术引起了人们的广泛关注，取得了一定的研究成果，但仍面临着一系列的挑战:定位精度、结构损伤识别及程度评估方法尚处于初步探索阶段，远未成熟等。针对目前结构健康监测研究存在的问题，本课题以复合材料板结构为研究对象，通过传感系统构建、信号处理、损伤定位及程度识别等技术研究，实现结构损伤准确判断及评估。具体创新性研究工作阐述如下:
　　(1)首先介绍了Lamb波基本理论和损伤检测原理，通过理论及有限元模拟仿真深入研究Lamb波在板结构中的传播特性以及损伤与Lamb波之间的作用。并根据损伤散射信号的幅值和频谱幅值与损伤大小的关系确定了本文研究对象碳纤维复合材料结构的最佳激励频率，为损伤定位方法的研究奠定基础。
　　(2)提出了近场最小方差无失真响应(Minimum Variance DistortionlessResponse，MVDR)聚焦波束复合材料损伤定位法。建立了近场MVDR阵列信号模型，基于线型阵列获取阵列信号，使用“sym8”小波变换提取窄带信号作为输入信号，减小频散效应对定位的影响，根据波速，确定监测区域搜索点相对于参考传感器的方向向量，利用近场MVDR聚焦波束算法实现损伤定位。
　　(3)提出了基于差信号的lamb波层析成像技术。该算法不需要对Lamb波的复杂多模传播特性进行分析，也不需要对材料或结构的特性进行理解和建模。消除了因结构各项异性带来的波速不为常数的影响。只需将损伤前后的信号直接做差，计算差信号的平方和得到损伤因子，实现结构的损伤定位，此方法与传统的方法相比具有计算简便，成像速度快的优点。
　　(4)提出了基于希尔波特能量谱的Lamb波层析成像技术。通过比较损伤前后信号的能量谱的最大值，得到损伤因子实现结构损伤成像。采用有限元仿真了单损伤和多损伤的情形，验证该方法的正确性。经过单损伤和多损伤实验都可以实现结构损伤的准确定位。
　　(5)提出了基于深度学习算法的复合材料损伤智能评估方法。构建了基于Lamb波的损伤识别系统，实现结构响应信号准确监测。采用小波去噪方法消除噪声影响。研究了基于深度神经网络的损伤定位方法，建立了信号频谱特征与损伤位置之间的关系模型。解决了信号传播波速对定位精度的影响问题，提高了损伤定位精度。提出了基于卷积神经网络算法的复合材料损伤定位、定量同时识别方法。建立了损伤位置和损伤程度与信号频谱之间的关系模型，通过测试实验发现提出的方法可以精确的同时实现损伤位置和程度识别。
　　(6)提出了基于分形理论的强噪声环境下复合材料的损伤识别方法。通过计盒维数计算损伤因子，实现不同噪声等级下结构损伤成像。该方法无需对信号进行预处理，直接采用原始信号进行损伤成像，避免了传统方法复杂的去噪过程。
　　(7)提出了基于同步压缩小波变换与智能算法相结合的复合材料损伤评估方法。同步压缩小波变换(Synchrosqueezed Wavelet Transform，SWT)具有高时频分辨率、强抗噪性能、对小波母函数不敏感等优点，是基于振动特性的结构健康监测领域极具发展前景的新特征提取算法。将同步压缩小波变换和堆栈自编码器有机结合，抑制强噪声干扰的影响，实现强噪声下微弱损伤特征提取，最终实现结构损伤准确评估。