近日，我院硕士研究生李科伟在复合材料声发射源定位方面取得重要进展，相关研究成果《虚实映射：碳纤维板缺陷声发射缺失信号生成及辅助定位方法》（Virtual-to-real mapping: an AE missing signal generation and assisted localization method for defects in CFRP plates）发表在《Ultrasonics》。《Ultrasonics》是国际上唯一全面涵盖超声研究与技术及其应用的权威学术期刊，具有较高学术影响力。期刊发表高质量、对学术界和工业界均具重要价值的原创论文和综述文章，同时还刊登简讯、专题特刊和国际会议日程，内容全面、前沿性强，目前影响因子为4.1（SCI二区Top）。论文共同第一作者为本研一体化学生李科伟与博士生王杭，通讯作者为张立军教授，中国石油大学（华东）为第一完成单位，该研究得到相关横向项目的资助。
论文首页
在航空航天、汽车和建筑等行业中，碳纤维增强聚合物（CFRP）因其轻量化和优异的力学性能得到广泛应用。然而，使用寿命延长和复杂服役环境会导致疲劳、开裂、分层等内部损伤，若未及时检测和处理，将可能造成严重事故。因此，CFRP结构健康监测中的损伤定位尤为关键。声发射技术能够实时捕捉由缺陷产生的高频应力波，并转化为电信号，在损伤识别与定位方面具有高灵敏度和实时性优势，已成为监测CFRP结构的重要手段。
现有声发射源定位方法主要分为物理驱动、数据驱动与混合驱动三类。物理驱动方法依赖多传感器和时差测量，在各向异性材料和噪声干扰下精度有限；数据驱动方法能够降低传感器数量，但依赖完整、高质量训练数据；混合驱动方法尝试结合物理约束和数据驱动，但往往依赖大型传感器阵列，应用成本较高。与此同时，有限元仿真为模拟声发射信号提供了低成本途径，但由于建模简化和实际条件复杂，模拟信号与真实信号存在差异，且现有方法仍难以解决推理过程中“信号缺失”的问题。
所提虚实映射方法及应用
用于分类的补充数据集
针对这些问题，本文提出了一种基于自动编码器的缺失信号生成方法。通过学习实验信号与仿真信号之间的映射关系，该方法能够在仅使用单个传感器采集数据时预测并补充缺失的时域波形，从而扩展数据集并辅助声发射源定位。该方法不仅在有限传感器条件下提升了定位精度和鲁棒性，也为CFRP结构健康监测的实际部署提供了新的解决思路。
论文链接：https://doi.org/10.1016/j.ultras.2025.107813
