1. 本选题研究的目的及意义

碳纤维增强复合材料（cfrp）以其优异的性能，例如高比强度、高比模量、耐腐蚀等，在航空航天、汽车制造、土木工程等领域得到越来越广泛的应用。

然而，cfrp材料的损伤，例如分层、裂纹、纤维断裂等，往往难以用肉眼识别，但这些损伤会严重影响材料的性能和结构的安全性，因此，对cfrp材料进行有效的损伤检测至关重要。

本选题研究旨在开发一种基于超声红外技术的cfrp材料损伤检测方法，并对其进行系统性的研究，以期为cfrp材料的损伤检测提供一种高效、可靠、实用的方法。

2. 本选题国内外研究状况综述

近年来，cfrp材料损伤的无损检测技术得到了广泛的研究，其中超声检测和红外热成像检测是两种常用的方法。

超声检测技术利用超声波在材料中的传播特性来检测损伤，具有灵敏度高、穿透力强等优点，但容易受到材料结构和噪声的影响。

红外热成像检测技术通过检测材料表面的温度变化来识别损伤，具有非接触、直观等优点，但对早期损伤和深层损伤的检测灵敏度有限。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本研究的主要内容包括以下几个方面:1.cfrp材料及其损伤机理分析:研究cfrp材料的组成、结构、性能以及常见损伤类型，分析不同损伤对材料性能的影响，为后续损伤检测提供理论基础。

2.超声红外检测技术基本原理:研究超声检测技术和红外检测技术的基本原理，以及两种技术融合的机理，为超声红外检测系统的构建和信号处理方法的选择提供理论依据。

4. 研究的方法与步骤

本研究将采用理论分析、数值模拟和实验验证相结合的研究方法。

首先，进行理论分析，研究cfrp材料的损伤机理、超声红外检测技术的基本原理以及信号处理方法。

这将为实验方案的设计和结果分析提供理论指导。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面:1.提出一种基于深度学习的cfrp材料损伤识别方法:针对传统损伤识别方法准确率不高的问题，本研究将深度学习算法应用于超声红外信号分析，构建深度学习模型，以提高损伤识别的准确率和效率。

2.建立基于多特征融合的cfrp材料损伤评估模型:为了更全面地评估损伤程度，本研究将提取超声信号和红外图像的多种特征参数，并利用数据融合技术构建损伤评估模型，以提高损伤评估的准确性和可靠性。

3.探究不同环境因素对超声红外检测结果的影响:为了提高检测方法的实用性，本研究将系统地探究温度、湿度等环境因素对超声红外检测结果的影响，并提出相应的修正方法，以提高检测结果的稳定性和可靠性。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

[1] 王波, 何柏灵, 孙晋, 等. 基于机器学习的复合材料超声c扫描图像缺陷识别[j]. 航空材料学报, 2022, 42(1): 116-124.

[2] 孙丰, 王浩, 赵新光, 等. 碳纤维增强复合材料冲击损伤检测技术研究进展[j]. 振动与冲击, 2021, 40(17): 1-14.

[3] 程小全, 刘振宇, 王建峰, 等. 基于脉冲热激励的缺陷 cfrp 定量检测方法[j]. 红外与激光工程, 2021, 50(6): 20200767.