航空复合材料自动铺丝工艺缺陷检测、表征与工艺优化研究进展

doi:10.7527/S1000-6893.2025.32433

材料工程与机械制造

本期目录 | 过刊浏览 | 高级检索

前一篇 |

航空复合材料自动铺丝工艺缺陷检测、表征与工艺优化研究进展

马润博¹^,², 张峻鸣¹^,², 许英杰³, 王文智¹^,²()

^1. 西北工业大学航空学院，西安 710072
^2. 强度与结构完整性全国重点实验室，西安 710065
^3. 西北工业大学机电学院，西安 710072

收稿日期:2025-06-17 修回日期:2025-07-21 接受日期:2025-08-21 出版日期:2025-09-25 发布日期:2025-09-24
通讯作者: 王文智
基金资助:
国家重点研发计划(2021YFF0500100); 国家自然科学基金联合基金(U24A2004)

Review on defect detection, characterization and process optimization in automated fiber placement of aviation composite

Runbo MA¹^,², Junming ZHANG¹^,², Yingjie XU³, Wenzhi WANG¹^,²()

^1. School of Aeronautics，Northwestern Polytechnical University，Xi’an 710072，China
^2. National Key Laboratory of Strength and Structural Integrity，Xi’an 710065，China
^3. School of Mechanical Engineering，Northwestern Polytechnical University，Xi’an 710072，China

Received:2025-06-17 Revised:2025-07-21 Accepted:2025-08-21 Online:2025-09-25 Published:2025-09-24
Contact: Wenzhi WANG
Supported by:
National Key Research and Development Program of China(2021YFF0500100); Joint Funds of the National Natural Science Foundation of China(U24A2004)

摘要/Abstract

摘要：

自动铺丝（AFP）技术作为先进复合材料高效制造的重要方法，已在航空航天领域的大型复杂曲面构件制造过程中展现出显著优势。然而，受限于设备精度、材料特性与结构复杂性，铺放过程中易产生多类铺层缺陷，严重影响结构性能与服役安全性。因此，围绕缺陷检测、表征、工艺优化等核心技术展开研究，已成为提升自动铺丝制造质量的关键。针对铺放过程中的典型缺陷，简要论述了其相关研究基础，系统梳理了当前自动铺丝技术在缺陷检测、表征与工艺参数优化方面的研究进展，总结了现阶段自动铺丝缺陷检测、表征和工艺优化方法存在的不足，并展望了其未来发展趋势。基于相关研究的梳理成果，构建了面向复合材料制造质量控制的闭环技术框架，为实现高质量、高可靠性和高智能化的复合材料自动铺丝制造提供了系统性的研究参考。

关键词: 连续纤维增强复合材料, 自动铺丝, 缺陷检测, 缺陷表征, 工艺优化

Abstract:

As an important method for efficient manufacturing of advanced composites， Automated Fiber Placement （AFP） technology has exhibited significant advantages in the production of large and complex curved structures in the aerospace field. However， due to the limitations in equipment precision， material characteristics， and structural complexity， various types of layup defects are prone to occur during the AFP process， which severely affect the structural performance and service reliability. Accordingly， research on key technologies such as defect detection， characterization， and process optimization has become essential for improving AFP manufacturing quality. This study briefly discusses the foundational research pertaining to typical defects in the AFP processes. Current research progress in defect detection， characterization， and process parameter optimization in AFP technology is systematically reviewed. Existing limitations in detection， characterization， and process optimization methods for AFP defects are summarized， along with future research directions. Based on the findings of the relevant research， a closed-loop technical framework for composite manufacturing quality control is proposed， providing a systematic reference for achieving high-quality， high-reliability， and high-intelligent AFP manufacturing of composites.

Key words: continuous fiber reinforced composites, automated fiber placement, defect detection, defect characterization, process optimization

中图分类号:

V214.8

马润博, 张峻鸣, 许英杰, 王文智. 航空复合材料自动铺丝工艺缺陷检测、表征与工艺优化研究进展[J]. 航空学报, 2026, 47(7): 432433.

Runbo MA, Junming ZHANG, Yingjie XU, Wenzhi WANG. Review on defect detection, characterization and process optimization in automated fiber placement of aviation composite[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(7): 432433.

图/表 15

图 1

图 2

图 3

图 4

表1

图 5

表2

图 6

表3

图 7

表4

图 8

表5

关键工艺参数的优化方法及其技术特征

工艺参数类型	优化方法类型	关键技术特征	适用场景	文献
铺放速度	经验参数设定法	通过人工试验确定经验范围	平面/低曲率结构	［113-114］
	响应面法	统计设计多因素交互作用	典型平面结构	［115］
	响应面与多尺度协同优化组合法	集成响应面与多尺度模型，构建复杂目标函数	高性能曲面结构	［11，116］
铺放压力	经验参数设定法	通过人工试验确定经验范围	平面/低曲率结构	［113］
	压辊结构优化法	采用多自由度结构设计/结合压敏薄膜试验与仿真，迭代改进压辊设计参数	大曲率/异形曲面结构	［106，120-122］
	传感器实时反馈控制法	利用轮廓测量或触感传感器实现压力实时检测与闭环调节	平/曲面结构	［119］
	伺服控制与智能算法调压法	结合慢时变递归识别算法与自整定PID 实现实时闭环调压	多曲率变化结构	［123］
	多源误差建模与机器人姿态优化法	构建误差模型，结合虚拟目标点进行姿态控制	大曲率/异形曲面结构	［124］
铺放温度	经验参数设定法	通过人工试验确定经验范围	平面/低曲率结构	［28，113，125-126］
	响应面法	统计设计多因素交互作用	典型平面结构	［127，132］
	数据驱动法	FNN/TgNN预测温度场分布，实时在线控制	多曲率变化结构	［128-130］
	加热器角度控制法	利用可编程逻辑控制器控制激光加热器角度，实现能量精确分布	热塑性复合材料结构/ 大曲率曲面结构	［131］
丝束张力	经验参数设定法	通过人工试验确定经验范围	平面/低曲率结构	［113］
	理论模型法	建立张力动态变化模型	平面/低曲率结构	［136］
	模糊自适应PID控制法	融合模糊逻辑与自适应PID，实现张力实时控制	多曲率变化结构	［137］

表5

图 9

表6

AFP路径轨迹优化方法的分类与对比分析

优化方法类别	方法描述	优势	局限性	适用场景	文献
几何优化方程类	STL模型文件重构优化数学模型	自动化程度高，人为干预少	曲面适应性差，路径精度有限	规则结构、定角度铺放	［140-141］
几何优化方程类	曲面方程与微分几何	避免褶皱和重叠，拓展设计空间	适应性差，计算复杂	压力容器、穹顶类结构	［142］
自适应与多参考路径类	分区域多参考路径设计	适应性强，适合多层铺放	适应性差	中低曲率结构	［143-145］
	网格动态表示与自适应算法	高度自适应，路径等距、纤维方向一致	实施复杂，计算量大	大曲率曲面结构	［146］
	网格划分与多参考线方向向量优化	路径规划效率高，适应性强	精度受限于网格划分质量	连续曲面大型结构	［150］
	自动预分析与遗传算法优化	误差小，褶皱少	算法参数依赖性强，耗时长	变刚度曲面结构	［148］
智能优化算法类	基于路径离散误差分解的优化	离散点少，精度高	高精度算法依赖性强	双曲面结构	［149］
	基于高斯过程回归的贝叶斯优化	缺陷率低，适用于多种缺陷优化	初始采样与模型训练依赖性强	双曲面结构	［150］
	基于数字图像反卷积算法	全局优化，考虑纤维对齐度和厚度一致性	高质量网格化建模依赖性强	高复杂度曲面结构	［151］
	基于点云结构的定向投影算子算法	精度高，通用性强，避免表面重构误差	点云质量要求高	非参数化、自由曲面结构	［152］
其他优化技术类	快速局部曲率校正	误差小，厚度均匀	曲率控制精度高，计算量大	变刚度结构	［153-154］
	基于纤维方向聚类与 B样条拟合	保留有限元最优设计信息，路径平滑且制造约束友好	聚类划分依赖参数选择	变刚度结构	［155］
	主从控制系统视觉测量与轨迹补偿	定位精度高，稳定性好	硬件复杂，需高精度协同	复杂曲面结构	［156-159］

表6

参考文献 159

[1]	杜善义. 先进复合材料与航空航天［J］. 复合材料学报， 2007， 24（1）： 1-12.
	DU S Y. Advanced composite materials and aerospace engineering［J］. Acta Materiae Compositae Sinica， 2007， 24（1）： 1-12 （in Chinese）.
[2]	DHINAKARAN V， SURENDAR K V， RIYAZ M S H， et al. Review on study of thermosetting and thermoplastic materials in the automated fiber placement process［J］. Materials Today： Proceedings， 2020， 27： 812-815.
[3]	SUN S Z， HAN Z Y， FU H Y， et al. Defect characteristics and online detection techniques during manufacturing of FRPs using automated fiber placement： A review［J］. Polymers， 2020， 12（6）： 1337.
[4]	LOELIGER A， YANG E， BOMPHRAY I. An overview of automated manufacturing for composite materials［C］∥Proceedings of the 2021 26th International Conference on Automation and Computing （ICAC）. Piscataway： IEEE， 2021： 311-316.
[5]	DE CAMPOS A A， HENRIQUES E， MAGEE C L. Technological improvement rates and recent innovation trajectories in automated advanced composites manufacturing technologies： A patent-based analysis［J］. Composites Part B： Engineering， 2022， 238： 109888.
[6]	AZEEM M， YA H H， ALAM M A， et al. Application of filament winding technology in composite pressure vessels and challenges： A review［J］. Journal of Energy Storage， 2022， 49： 103468.
[7]	VOLK M， YUKSEL O， BARAN I， et al. Cost-efficient， automated， and sustainable composite profile manufacture： A review of the state of the art， innovations， and future of pultrusion technologies［J］. Composites Part B： Engineering， 2022， 246： 110135.
[8]	YADAV N， SCHLEDJEWSKI R. Review of in-process defect monitoring for automated tape laying［J］. Composites Part A： Applied Science and Manufacturing， 2023， 173： 107654.
[9]	CAROSELLA S， HÜGLE S， HELBER F， et al. A short review on recent advances in automated fiber placement and filament winding technologies［J］. Composites Part B： Engineering， 2024， 287： 111843.
[10]	KUKWI T， SHAN C， LIU P F， et al. Continuous improvement in composite manufacturing： A review of automated fiber placement process evolution and future research prospects［J］. Applied Composite Materials， 2025， 32： 1267-1314.
[11]	HAN Z Y， SUN S Z， SHAO Z X， et al. Multiscale collaborative optimization of processing parameters for carbon fiber/epoxy laminates fabricated by high-speed automated fiber placement［J］. Advances in Materials Science and Engineering， 2016， 2016（1）： 5480352.
[12]	MCILHAGGER A， ARCHER E， MCILHAGGER R. Manufacturing processes for composite materials and components for aerospace applications［M］. Polymer composites in the aerospace industry. Cambridge： Woodhead Publishing， 2020： 67-69.
[13]	MARSH G. Automating aerospace composites production with fibre placement［J］. Reinforced Plastics， 2011， 55（3）： 32-37.
[14]	LOZANO G G， TIWARI A， TURNER C， et al. A review on design for manufacture of variable stiffness composite laminates［J］. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2016， 230（6）： 981-992.
[15]	BALEY C， KERVOËLEN A， LAN M， et al. Flax/PP manufacture by automated fibre placement （AFP）［J］. Materials and Design， 2016， 94： 207-213.
[16]	BRANSINGTON A， SACCO C， HALBRITTER J， et al. Automated fiber placement： A review of history， current technologies， and future paths forward［J］. Composites Part C： Open Access， 2021， 6： 100182.
[17]	OROMIEHIE E， PRUSTY B G， COMPSTON P， et al. Automated fibre placement based composite structures： Review on the defects， impacts and inspections techniques［J］. Composite Structures， 2019， 224： 110987.
[18]	GHAYOUR M， HOJJATI M， GANESAN R. Effect of tow gaps on impact strength of thin composite laminates made by automated fiber placement： Experimental and semi-analytical approaches［J］. Composite Structures， 2020， 248： 112536.
[19]	CHEVALIER P L， KASSAPOGLOU C， GÜRDAL Z. Fatigue behavior of composite laminates with automated fiber placement induced defects-a review［J］. International Journal of Fatigue， 2020， 140： 105775.
[20]	DA D C， CUI X Y， LONG K， et al. Concurrent topological design of composite structures and the underlying multi-phase materials［J］. Computers and Structures， 2017， 179： 1-14.
[21]	CROFT K， LESSARD L， PASINI D， et al. Experimental study of the effect of automated fiber placement induced defects on performance of composite laminates［J］. Composites Part A： Applied Science and Manufacturing， 2011， 42（5）： 484-491.
[22]	HARIK R， SAIDY C， WILLIAMS S J， et al. Automated fiber placement defect identity cards： Cause， anticipation， existence， significance， and progression： NF1676L-29045［R］. California： SAMPE， 2018.
[23]	HEINECKE F， WILLBERG C. Manufacturing-induced imperfections in composite parts manufactured via automated fiber placement［J］. Journal of Composites Science， 2019， 3（2）： 56.
[24]	DENKENA B， SCHMIDT C， VÖLTZER K， et al. Thermographic online monitoring system for automated fiber placement processes［J］. Composites Part B： Engineering， 2016， 97： 239-243.
[25]	马少博，文立伟，王若舟，等. 复合材料自动铺放表面缺陷检测技术研究进展［J］. 复合材料科学与工程， 2020， 12： 121-128.
	MA S B， WEN L W， WANG R Z， et al. A review of surface defect inspection technology of automated fiber placement manufacturing［J］. Composites Science and Engineering， 2020， 12： 121-128 （in Chinese）.
[26]	FEREIDOUNI M， HOA S V. In-situ consolidation of thermoplastic composites by automated fiber placement： Characterization of defects［J］. Journal of Thermoplastic Composite Materials， 2025， 38（2）： 471-511.
[27]	XU X K， CHENG L， GUO Y J， et al. A modeling and calibration method of heavy-duty automated fiber placement robot considering compliance and joint-dependent errors［J］. Journal of Mechanisms and Robotics， 2023， 15（6）： 061011.
[28]	靳子昂，韩振宇，项宇，等. 变角度自动铺丝制造缺陷特性及影响因素的研究进展［J］. 机械工程学报， 2022， 58（23）： 164-177.
	JIN Z A， HAN Z Y， XIANG Y， et al. Research progress on defect characteristics and influencing factors of variable angle fiber placement［J］. Journal of Mechanical Engineering， 2022， 58（23）： 164-177 （in Chinese）.
[29]	丁希仑，罗伟恒，刘斐，等. 自动铺丝成型构件缺陷在线检测技术进展［J］. 北京航空航天大学学报， 2022， 48（9）： 1721-1733.
	DING X L， LUO W H， LIU F， et al. Review on automated fiber placement induced defects and their online monitoring technology［J］. Journal of Beijing University of Aeronautics and Astronautics， 2022， 48（9）： 1721-1733 （in Chinese）.
[30]	ROUHI M， GHAYOOR H， FORTIN-SIMPSON J， et al. Design， manufacturing， and testing of a variable stiffness composite cylinder［J］. Composite Structures， 2018， 184： 146-152.
[31]	NGUYEN M H， DAVIDSON P， WAAS A M. Experimental and numerical study on the tensile failure behavior of toughened-interlayer composite laminates with automated fiber placement （AFP） induced gap and overlap defects［J］. International Journal of Material Forming， 2021， 14： 105-119.
[32]	NOEVERE A T， COLLIER C. Design for manufacturing tool for automated fiber placement structures-verification and validation［C］∥AIAA Scitech 2020 Forum. Reston： American Institute of Aeronautics and Astronautics， 2020： 1477.
[33]	PUNERA D， MUKHERJEE P. Recent developments in manufacturing， mechanics， and design optimization of variable stiffness composites［J］. Journal of Reinforced Plastics and Composites， 2022， 41（23-24）： 917-945.
[34]	SUEMASU H， AOKI Y， SUGIMOTO S， et al. Effect of gap on strengths of automated fiber placement manufactured laminates［J］. Composite Structures， 2021， 263： 113677.
[35]	GHAYOUR M， GANESAN R， HOJJATI M. Flexural response of composite beams made by automated fiber placement process： Effect of fiber tow gaps［J］. Composites Part B： Engineering， 2020， 201： 108368.
[36]	ZHANG F， LIU X， YE Y Y， et al. Effect of gap and overlap on mode II interlaminar fracture toughness of automated fiber placement prepreg laminates［J］. Chinese Journal of Aeronautics， 2023， 36（6）： 390-401.
[37]	GHAYOUR M， HOJJATI M， GANESAN R. Induced defect layer method to characterize the effect of fiber tow gaps for the laminates manufactured by automated fiber placement technique［J］. Journal of Composite Materials， 2021， 55（27）： 4011-4027.
[38]	GHAYOUR M， GANESAN R， HOJJATI M. Impact damage assessment of thin defective composite laminates manufactured by automated fiber placement technique［J］. Composite Structures， 2023， 315： 116986.
[39]	LAN M， CARTIÉ D， DAVIES P， et al. Microstructure and tensile properties of carbon-epoxy laminates produced by automated fibre placement： Influence of a caul plate on the effects of gap and overlap embedded defects［J］. Composites Part A： Applied Science and Manufacturing， 2015， 78： 124-134.
[40]	LAN M， CARTIÉ D， DAVIES P， et al. Influence of embedded gap and overlap fiber placement defects on the microstructure and shear and compression properties of carbon-epoxy laminates［J］. Composites Part A： Applied Science and Manufacturing， 2016， 82： 198-207.
[41]	WOIGK W， HALLETT S R， JONES M I， et al. Experimental investigation of the effect of defects in automated fibre placement produced composite laminates［J］. Composite Structures， 2018， 201： 1004-1017.
[42]	RAKHSHBAHAR M， SINAPIUS M. A novel approach： Combination of automated fiber placement （AFP） and additive layer manufacturing （ALM）［J］. Journal of Composites Science， 2018， 2（3）： 42.
[43]	ANAY R， ZIEHL P， TESSEMA A， et al. An experimental investigation concerning the effects of AFP defects on progressive failure of tensile coupons［C］∥AIAA Scitech 2019 Forum. Reston： American Institute of Aeronautics and Astronautics， 2019： 1547.
[44]	ANAY R， MILLER D， TESSEMA A， et al. An experimental investigation concerning the effect of AFP defects on progressive damage in CFRP coupons［J］. Composite Structures， 2022， 279： 114725.
[45]	BRYSCH M， BAHAR M， HOHENSEE H C， et al. Single system for online monitoring and inspection of automated fiber placement with object segmentation by artificial neural networks［J］. Journal of Intelligent Manufacturing， 2022， 33（7）： 2013-2025.
[46]	HEINECKE F. Strukturmechanische auswirkung fertigungsbedingter imperfektionen aus faserverbundablegeprozesses［D］. Niedersachsen： Technischen Universität Braunschweig， 2020： 49-82.
[47]	MAROUENE A， LEGAY P， BOUKHILI R. Experimental and numerical investigation on the open-hole compressive strength of AFP composites containing gaps and overlaps［J］. Journal of Composite Materials， 2017， 51（26）： 3631-3646.
[48]	NGUYEN M H， VIJAYACHANDRAN A A， DAVIDSON P， et al. Effect of automated fiber placement （AFP） manufacturing signature on mechanical performance of composite structures［J］. Composite Structures， 2019， 228： 111335.
[49]	DEL ROSSI D， CADRAN V， THAKUR P， et al. Experimental investigation of the effect of half gap/half overlap defects on the strength of composite structures fabricated using automated fibre placement （AFP）［J］. Composites Part A： Applied Science and Manufacturing， 2021， 150： 106610.
[50]	BÖCKL B， WEDEL A， MISIK A， et al. Effects of defects in automated fiber placement laminates and its correlation to automated optical inspection results［J］. Journal of Reinforced Plastics and Composites， 2023， 42（1-2）： 3-16.
[51]	XIE N B， SMITH R A， MUKHOPADHYAY S， et al. A numerical study on the influence of composite wrinkle defect geometry on compressive strength［J］. Materials and Design， 2018， 140： 7-20.
[52]	SEON G， NIKISHKOV Y， MAKEEV A. Structures perspective for strength and fatigue prognosis in composites with manufacturing irregularities［J］. Journal of the American Helicopter Society， 2015， 60（1）： 1-10.
[53]	ZHANG Z J， CHEN C， ZHANG S， et al. Effect of AFP induced triangular gaps on manufacturing quality and stress distribution of composite panels［J］. Composites Science and Technology， 2023， 243： 110222.
[54]	MUKHOPADHYAY S， JONES M I， HALLETT S R. Tensile failure of laminates containing an embedded wrinkle； numerical and experimental study［J］. Composites Part A： Applied Science and Manufacturing， 2015， 77： 219-228.
[55]	MUKHOPADHYAY S， JONES M I， HALLETT S R. Compressive failure of laminates containing an embedded wrinkle； experimental and numerical study［J］. Composites Part A： Applied Science and Manufacturing， 2015， 73： 132-142.
[56]	KHERADPISHEH M， HOJJATI M. In-plane and out-of-plane deformations in automated fiber placement employing micromechanics method［J］. Composites Part A： Applied Science and Manufacturing， 2023， 170： 107543.
[57]	ALVES M P， JUNIOR C A C， HA S K. Fiber waviness and its effect on the mechanical performance of fiber reinforced polymer composites： An enhanced review［J］. Composites Part A： Applied Science and Manufacturing， 2021， 149： 106526.
[58]	FOUGEROUSE C. Understanding and modelling of the effects of out-of-plane waviness defects on the mechanical performance of a thermoplastic matrix laminate［D］. Paris： Université Paris-Saclay， 2023： 65-82.
[59]	JU X W， XIAO J， WANG D L， et al. Effect of gaps/overlaps induced waviness on the mechanical properties of automated fiber placement （AFP）-manufactured composite laminate［J］. Materials Research Express， 2022， 9（4）： 045305.
[60]	THOR M. Out-of-plane fiber waviness in composite materials： Origins， detection and mechanical evaluation［D］. Freistaat Bayern： Universität Augsburg， 2021： 46-48.
[61]	THOR M， SAUSE M G R， HINTERHÖLZL R M. Mechanisms of origin and classification of out-of-plane fiber waviness in composite materials—A review［J］. Journal of Composites Science， 2020， 4（3）： 130.
[62]	THOR M， MANDEL U， NAGLER M， et al. Numerical and experimental investigation of out-of-plane fiber waviness on the mechanical properties of composite materials［J］. International Journal of Material Forming， 2021， 14： 19-37.
[63]	WU C J， GU Y Z， LUO L， et al. Influences of in-plane and out-of-plane fiber waviness on mechanical properties of carbon fiber composite laminate［J］. Journal of Reinforced Plastics and Composites， 2018， 37（13）： 877-891.
[64]	SCHMIDT C， DENKENA B， VÖLTZER K， et al. Thermal image-based monitoring for the automated fiber placement process［J］. Procedia CIRP， 2017， 62： 27-32.
[65]	GUIN W E， JACKSON J R， BOSLEY C M. Effects of tow-to-tow gaps in composite laminates fabricated via automated fiber placement［J］. Composites Part A： Applied Science and Manufacturing， 2018， 115： 66-75.
[66]	OROMIEHIE E， PRUSTY B G， COMPSTON P， et al. In situ process monitoring for automated fibre placement using fibre Bragg grating sensors［J］. Structural Health Monitoring， 2016， 15（6）： 706-714.
[67]	OROMIEHIE E， PRUSTY B G， RAJAN G， et al. Optical fiber Bragg grating sensors for process monitoring in advanced composites［C］∥2016 IEEE Sensors Applications Symposium （SAS）. Piscataway： IEEE， 2016： 1-5.
[68]	OROMIEHIE E， PRUSTY B G， COMPSTON P， et al. In-situ simultaneous measurement of strain and temperature in automated fiber placement （AFP） using optical fiber Bragg grating （FBG） sensors［J］. Advanced Manufacturing： Polymer and Composites Science， 2017， 3（2）： 52-61.
[69]	NARDI D， ABOUHAMZEH M， LEONARD R， et al. Detection and evaluation of pre-preg gaps and overlaps in glare laminates［J］. Applied Composite Materials， 2018， 25： 1491-1507.
[70]	JAKUBCZAK P， NARDI D， BIENIAŚ J， et al. Non-destructive testing investigation of gaps in thin Glare laminates［J］. Nondestructive Testing and Evaluation， 2021， 36（1）： 17-34.
[71]	MAASS D. Progress in automated ply inspection of AFP layups［J］. Reinforced Plastics， 2015， 59（5）： 242-245.
[72]	SHADMEHRI F， IOACHIM O， PAHUD O， et al. Laser-vision inspection system for automated fiber placement （AFP） process［C］∥Proceedings of the 20th International Conference on Composite Materials. Aalborg： Aalborg University Press， 2015： 1-9.
[73]	MEISTER S. Automated defect analysis using optical sensing and explainable artificial intelligence for fibre layup processes in composite manufacturing［D］. Delft： Delft University of Technology， 2022： 65-70.
[74]	MEISTER S， WERMES M， STÜVE J， et al. Investigations on explainable artificial intelligence methods for the deep learning classification of fibre layup defect in the automated composite manufacturing［J］. Composites Part B： Engineering， 2021， 224： 109160.
[75]	MEISTER S， MÖLLER N， STÜVE J， et al. Synthetic image data augmentation for fibre layup inspection processes： Techniques to enhance the data set［J］. Journal of Intelligent Manufacturing， 2021， 32（6）： 1767-1789.
[76]	SACCO C， RADWAN A B， HARIK R， et al. Automated fiber placement defects： Automated inspection and characterization［C］∥SAMPE 2018 Conference and Exhibition. California： SAMPE， 2018： NF1676L-29116.
[77]	SACCO C. Machine learning methods for rapid inspection of automated fiber placement manufactured composite structures［D］. Carolina： University of South Carolina， 2019： 30-32.
[78]	PANTOJI S， KASSAPOGLOU C， PEETERS D. Predicting gaps and overlaps in automated fiber placement composites by measuring sources of manufacturing process variations［J］. Composites Part B： Engineering， 2025， 291： 111891.
[79]	TAO Y C， JIA S H， DUAN Y G， et al. An online detection method for composite fibre tow placement accuracy［J］. Proceedings of the Institution of Mechanical Engineers， Part B： Journal of Engineering Manufacture， 2016， 230（9）： 1614-1621.
[80]	CHEN M J， JIANG M， LIU X L， et al. Intelligent inspection system based on infrared vision for automated fiber placement［C］∥Proceedings of the 2018 IEEE International Conference on Mechatronics and Automation （ICMA）. Piscataway： IEEE， 2018： 918-923.
[81]	GREGORY E， JUAREZ P. In situ thermal nondestructive evaluation for assessing part quality during composite automated fiber placement［J］. Journal of Nondestructive Evaluation， Diagnostics and Prognostics of Engineering Systems， 2018， 1（4）： 041007.
[82]	SCHMIDT C， HOCKE T， DENKENA B. Artificial intelligence for non-destructive testing of CFRP prepreg materials［J］. Production Engineering， 2019， 13： 617-626.
[83]	JUAREZ P D， GREGORY E D. In situ thermal inspection of automated fiber placement manufacturing［C］∥AIP Conference Proceedings. New York： American Institute of Physics， 2019： 1-10.
[84]	MUJTABA A， ISLAM F， KAEDING P， et al. Machine-learning based process monitoring for automated composites manufacturing［J］. Journal of Intelligent Manufacturing， 2025， 36（2）： 1095-1110.
[85]	OROMIEHIE E. In-situ process monitoring in automated fibre placement-based manufacturing of advanced composites［D］. Sydney： UNSW Sydney， 2017： 104-114.
[86]	OROMIEHIE E， PRUSTY B G， COMPSTON P， et al. Characterization of process-induced defects in automated fiber placement manufacturing of composites using fiber Bragg grating sensors［J］. Structural Health Monitoring， 2018， 17（1）： 108-117.
[87]	OROMIEHIE E， CHAKLADAR N D， RAJAN G， et al. Online monitoring and prediction of thermo-mechanics of AFP based thermoplastic composites［J］. Sensors， 2019， 19（6）： 1310.
[88]	TANG C R， SUN D Y， ZOU J C， et al. Lay-up defects inspection for automated fiber placement with structural light scanning and deep learning［J/OL］. Polymer Composites，（2025-02-08）［2025-06-07］.
[89]	BURKE G， NGUYEN D H， TRETIAK I. Artificial intelligence for process monitoring of automated fibre placement： Real-time defect detection and classification［C］∥Proceedings of the 21st European Conference on Composite Materials （ECCM21）. Lausanne： European Society for Composite Materials， 2024： 445-451.
[90]	SACCO C， RADWAN A B， ANDERSON A， et al. Machine learning in composites manufacturing： A case study of automated fiber placement inspection［J］. Composite Structures， 2020， 250： 112514.
[91]	SCHMIDT C， HOCKE T， DENKENA B. Deep learning-based classification of production defects in automated-fiber-placement processes［J］. Production Engineering， 2019， 13： 501-509.
[92]	ZAMABAL S， HEINDL C， EITZINGER C， et al. End-to-end defect detection in automated fiber placement based on artificially generated data［C］∥Proceedings of the Fourteenth International Conference on Quality Control by Artificial Vision. Bellingham： SPIE， 2019： 371-378.
[93]	GHAMISI A， CHARTER T， JI L， et al. Anomaly detection in automated fibre placement： Learning with data limitations［J］. Frontiers in Manufacturing Technology， 2024， 4： 1277152.
[94]	ZEMZEMOGLU M， UNEL M. Design and implementation of a vision based in-situ defect detection system of automated fiber placement process［C］∥Proceedings of the 2022 IEEE 20th International Conference on Industrial Informatics （INDIN）. Piscataway： IEEE， 2022： 393-398.
[95]	JI Y Y， LUAN C C， CHENG L Y， et al. Real-time in-situ process monitoring method based on the self-conductivity of carbon fiber prepreg for automated fiber placement （AFP）［J］. Composites Part B： Engineering， 2024， 276： 111356.
[96]	JUAREZ P D， GREGORY E D. In situ thermal inspection of automated fiber placement for manufacturing induced defects［J］. Composites Part B： Engineering， 2021， 220： 109002.
[97]	ZEMZEMOGLU M， UNEL M， TUNC L T. Enhancing automated fiber placement process monitoring and quality inspection： A hybrid thermal vision based framework［J］. Composites Part B： Engineering， 2024， 285： 111753.
[98]	ZEMZEMOGLU M， UNEL M. Thermal inspection and quality assessment for AFP processes via automatic defect detection and segmentation［C］∥Proceedings of the 2024 50th Annual Conference of the IEEE Industrial Electronics Society （IECON 2024）. Piscataway： IEEE， 2024： 1-6.
[99]	WEN L W， LI S H， DONG Z T， et al. Research on automated fiber placement surface defect detection based on improved YOLOv7［J］. Applied Sciences， 2024， 14（13）： 5657.
[100]	ZHANG Y D， WANG W， LIU Q， et al. Research on defect detection in automated fiber placement processes based on a multi-scale detector［J］. Electronics， 2022， 11（22）： 3757.
[101]	甘纪强，王小平. 基于虚拟样本生成的铺丝表面缺陷检测［J］. 航空学报， 2024， 45（1）： 428624.
	GAN J Q， WANG X P. Surface defect detection of fiber placement based on virtual sample generation［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（1）： 428624 （in Chinese）.
[102]	WEN B， JIA S H， HAN M Y， et al. SMSDDNet： An enhanced network for slender and multi-scale defects detection in automated fiber placement using novel feature extraction and loss function［J］. Measurement， 2025， 250： 117161.
[103]	SÁENZ DEL CASTILLO GUTIÉRREZ D. Characterization and real-time process monitoring of thermoplastic composites manufacturing processes［D］. Madrid： Universidad Politécnica de Madrid， 2020： 130-156.
[104]	TORRES J J， SIMMONS M， SKET F， et al. An analysis of void formation mechanisms in out-of-autoclave prepregs by means of X-ray computed tomography［J］. Composites Part A： Applied Science and Manufacturing， 2019， 117： 230-242.
[105]	ARNS J Y， OROMIEHIE E， ARNS C， et al. Micro-CT analysis of process-induced defects in composite laminates using AFP［J］. Materials and Manufacturing Processes， 2021， 36（13）： 1561-1570.
[106]	OROMIEHIE E， GARBE U， PRUSTY B G. Porosity analysis of carbon fibre-reinforced polymer laminates manufactured using automated fibre placement［J］. Journal of Composite Materials， 2020， 54（9）： 1217-1231.
[107]	CHADWICK A R， WILLMEROTH M. Use of in-process monitoring and ultrasound to detect defects in thermoplastic AFP-produced parts［C］∥Proceedings of the 22nd International Conference on Composite Materials （ICCM22）. Melbourne： International Committee on Composite Materials， 2019： 1-9.
[108]	SCHAEFER Y T， RAPS L， CHADWICK A R. Ultrasonic and micrograph-based quantification of material characteristics for in-situ AFP composite structures［J］. Journal of Thermoplastic Composite Materials， 2025， 38（3）： 933-949.
[109]	HU Y， WANG Q， WANG W W， et al. Modeling the effect of automated fiber placement induced gaps based on serial layer scanned point clouds［J］. Composite Structures， 2023， 313： 116929.
[110]	CHEN Q S， YE Y Y， QIAN S M， et al. Modeling on the effect of automated fiber placement induced gaps in curved composite laminates［J］. Composite Structures， 2024， 328： 117721.
[111]	DIEMAR F， HOLMES J， SOMMACAL S， et al. X-ray micro-computed tomography for mechanical behaviour analysis of automated fiber placement （AFP） laminates with integrated gaps and overlaps［J］. Composite Structures， 2025， 351： 118601.
[112]	GODBOLD M J. A globalized optimization schema for automated fiber placement processing parameters［D］. Carolina： University of South Carolina， 2023： 15-19.
[113]	蔡立成，彭啸，汪海晋，等. 铺放工艺参数对预浸料丝束曲线铺贴质量的影响［J］. 复合材料学报， 2021， 38（6）： 1795-1808.
	CAI L C， PENG X， WANG H J， et al. Influence of laying process parameters on curve trajectory placement quality of prepreg tow［J］. Acta Materiae Compositae Sinica， 2021， 38（6）： 1795-1808 （in Chinese）.
[114]	CHEN J H， CHEN-KEAT T， HOJJATI M， et al. Impact of layup rate on the quality of fiber steering/cut-restart in automated fiber placement processes［J］. Science and Engineering of Composite Materials， 2015， 22（2）： 165-173.
[115]	PAN H L， YANG D， QU W W， et al. Process-dependent wrinkle formation for steered tow during automated fiber placement： Modeling and experimental verification［J］. Thin-Walled Structures， 2022， 180： 109928.
[116]	SUN S Z， HAN Z Y， ZHANG J H， et al. Multiscale collaborative process optimization method for automated fiber placement［J］. Composite Structures， 2021， 259： 113215.
[117]	DSOUZA C. Optimization and application of a process model of an automated fiber placement process for aerospace applications［D］. Milano： Politecnico di Milano， 2019： 25-30.
[118]	MIAO L， ZHU W D， GUO Y J， et al. Modeling of contact mechanics and defects investigation in automated fiber placement［J］. Polymer Composites， 2024， 45（7）： 5992-6007.
[119]	NGUYEN D H， SUN X C， TRETIAK I， et al. Automatic process control of an automated fibre placement machine［J］. Composites Part A： Applied Science and Manufacturing， 2023， 168： 107465.
[120]	JIANG J X， HE Y X， KE Y L. Pressure distribution for automated fiber placement and design optimization of compaction rollers［J］. Journal of Reinforced Plastics and Composites， 2019， 38（18）： 860-870.
[121]	JIANG J X， HE Y X， WANG H， et al. Modeling and experimental validation of compaction pressure distribution for automated fiber placement［J］. Composite Structures， 2021， 256： 113101.
[122]	HE Y X， JIANG J X， QU W W， et al. Compaction pressure distribution and pressure uniformity of segmented rollers for automated fiber placement［J］. Journal of Reinforced Plastics and Composites， 2022， 41（11-12）： 427-443.
[123]	CHENG L， ZHENG C G， WANG H， et al. Pressure control for pneumatic pressing roller in automated fiber placement［J］. Journal of Reinforced Plastics and Composites， 2024， 43（23-24）： 1323-1339.
[124]	XU X K， CHENG L， CAI Z J， et al. Multi-source lay-up error analysis and lay-up pressure optimization for robotic automated fiber placement （AFP）［J］. Composites Part A： Applied Science and Manufacturing， 2025， 193： 108825.
[125]	ALRAMSI R M A A. Optimization of automated fiber/tape placement technology for high-performance thermoplastic composites［D］. Abu Dhabi： Khalifa University of Science， 2024： 17-19.
[126]	BRASINGTON A， FRANCIS B， GODBOLD M， et al. A review and framework for modeling methodologies to advance automated fiber placement［J］. Composites Part C： Open Access， 2023， 10： 100347.
[127]	OROMIEHIE E， GAIN A K， PRUSTY B G. Processing parameter optimisation for automated fibre placement （AFP） manufactured thermoplastic composites［J］. Composite Structures， 2021， 272： 114223.
[128]	FONTES A， SHADMEHRI F. Data-driven thermal modeling of in-situ automated fiber placement［J］. Composites Part A： Applied Science and Manufacturing， 2024， 186： 108379.
[129]	FONTES A， SHADMEHRI F. Three-dimensional finite element-based data-driven thermal model of in-situ automated fiber placement［J］. Manufacturing Letters， 2024， 40： 129-131.
[130]	FONTES A， ZOBEIRY N， SHADMEHRI F. Theory-guided machine learning for thermal modeling of in-situ automated fiber placement of thermoplastic composites［J］. Composites Science and Technology， 2025， 260： 110987.
[131]	ZHANG Z， WANG S， MA Y L， et al. Laser-assisted thermoplastic composite automated fiber placement robot for bonding GF/PP unidirectional composites and braided composites［J］. Composites Part B： Engineering， 2024， 287： 111798.
[132]	LU T Y， LI J L， ZHANG Y L， et al. Parameter optimization of automated fiber placement based on CCD response surface method［J］. Journal of Reinforced Plastics and Composites， 2024， 0（0）： 1-16.
[133]	ZHANG W X， LIU F， LV Y X， et al. Modelling and layout design for an automated fibre placement mechanism［J］. Mechanism and Machine Theory， 2020， 144： 103651.
[134]	ZHAO C， WANG B D， XIAO J. Macroscopic characterization of fiber micro-buckling and its influence on composites tensile performance［J］. Journal of Reinforced Plastics and Composites， 2017， 36（3）： 196-205.
[135]	ASSADI M， FIELD T. AFP processing of dry fiber carbon materials （DFP） for improved rates and reliability［J］. SAE International Journal of Advances and Current Practices in Mobility， 2020， 2（3）： 1196-1201.
[136]	LI Y， ZHENG C G， JIANG J X， et al. Modeling of tow tension fluctuations and parameter optimization during the stable transfer phase for automated fiber placement［J］. Tribology International， 2023， 183： 108429.
[137]	CHEN J， XU W J， WANG B， et al. Fuzzy-adaptive PID based tow tension controller for robotic automated fiber placement［J］. Applied Mechanics and Materials， 2014， 643： 48-53.
[138]	段沐枫，秦田亮，沈裕峰，等. 自动铺丝最小间隙路径规划与复合材料锥壳结构制造［J］. 航空学报， 2019， 40（2）： 522423.
	DUAN M F， QIN T L， SHEN Y F， et al. Minimum gap layup algorithms for automatic fiber placement and manufacture of conic composite structure［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（2）： 522423 （in Chinese）.
[139]	宋桂林，王显峰，赵聪，等. 规则回转体自动铺丝轨迹规划与丝束增减［J］. 航空学报， 2020， 41（11）： 423704.
	SONG G L， WANG X F， ZHAO C， et al. Fiber placement trajectory planning and tows increase or decrease algorithm for revolution body［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（11）： 423704 （in Chinese）.
[140]	ZHU Y J， YAO K Z. Optimization path planning algorithm based on STL file reconstruction for automated fiber placement［C］∥Proceedings of 2019 Chinese Intelligent Systems Conference. Singapore： Springer Nature， 2019： 379-387.
[141]	冉庆波，肖鸿，杨富鸿，等. 含孔曲面自动铺丝轨迹规划算法［J］. 航空学报， 2022， 43（9）： 425602.
	RAN Q B， XIAO H， YANG F H， et al. Trajectory planning algorithm for automatic wire laying on perforated surface［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（9）： 425602 （in Chinese）.
[142]	WANG B， WEN L H， XIAO J Y， et al. Automated fiber placement path planning and analysis of pressure vessels［J］. Materials， 2023， 16（18）： 6187.
[143]	GAO J X， QU W W， YANG D， et al. Two-stage sector partition path planning method for automated fiber placement on complex surfaces［J］. Computer-Aided Design， 2021， 132： 102983.
[144]	赵安安，何大亮，王晗，等. 复杂曲面上的自动铺放路径规划方法［J］. 北京航空航天大学学报， 2022， 48（4）： 595-601.
	ZHAO A A， HE D L， WANG H， et al. Automatic paving path planning method on complex surfaces［J］. Journal of Beijing University of Aeronautics and Astronautics， 2022， 48（4）： 595-601 （in Chinese）.
[145]	PEI J Z， WANG X P， PEI J Y， et al. Path planning based on ply orientation information for automatic fiber placement on mesh surface［J］. Applied Composite Materials， 2018， 25： 1477-1490.
[146]	ZHANG L， WANG X P， PEI J Y， et al. Adaptive path planning of fiber placement based on improved method of mesh dynamic representation［J］. Applied Composite Materials， 2019， 26： 785-803.
[147]	XIAO H， HAN W， TANG W B， et al. An efficient and adaptable path planning algorithm for automated fiber placement based on meshing and multi guidelines［J］. Materials， 2020， 13（18）： 4209.
[148]	YANG F H， XIAO H， DUAN Y G， et al. An efficient pre-analysis and optimization generation method for reference curves of automated fiber placement path planning［J］. Journal of Composite Materials， 2024， 58（26）： 2781-2797.
[149]	HE R M， QU W W， KE Y L. An improved path discretization method for automated fiber placement［J］. Journal of Reinforced Plastics and Composites， 2020， 39（13-14）： 545-559.
[150]	BRASINGTON A， HALBRITTER J， WEHBE R， et al. Bayesian optimization for process planning selections in automated fiber placement［J］. Journal of Composite Materials， 2022， 56（28）： 4275-4296.
[151]	XU K， HAO X Z， LIN J M. Automated fibre placement path generation for complex surfaces via digital image deconvolution algorithm［J］. Composites Part A： Applied Science and Manufacturing， 2022， 163： 107246.
[152]	WANG K， WANG X P， GAN J Q， et al. A general method of trajectory generation based on point-cloud structures in automatic fibre placement［J］. Composite Structures， 2023， 314： 116976.
[153]	WEHBE R， SACCO C， RADWAN A B， et al. Influence of process parameters in AFP fiber steering on cylinders： Constant curvature paths［J］. Composites Part C： Open Access， 2020， 2： 100036.
[154]	NIU X J， LIU Y X， WU J C， et al. Curvature-controlled trajectory planning for variable stiffness composite laminates［J］. Composite Structures， 2020， 238： 111986.
[155]	TUNC L T， SHEIKHI M. AFP tool path planning for manufacture of variable stiffness composites［J］. CIRP Annals， 2023， 72（1）： 381-384.
[156]	ZHU N Y， XIE W F， SHEN H H. A leader-follower trajectory planning approach for cooperative robotic system in automated fiber placement［C］∥Proceedings of the 2023 IEEE International Conference on Mechatronics and Automation （ICMA）. Piscataway： IEEE， 2023： 1829-1834.
[157]	ZHANG R H， WANG Y N， XIE W F， et al. Coordination control of the automated fiber placement system using photogrammetry-based leader-follower approach［J］. Control Engineering Practice， 2023， 141： 105691.
[158]	ZHU N Y， XIE W F， SHEN H H. Trajectory planning of cooperative robotic system for automated fiber placement in a leader-follower formation［J］. The International Journal of Advanced Manufacturing Technology， 2024， 130（1）： 575-588.
[159]	ZHU N Y. Trajectory planning and control of cooperative robotic system for automated fiber placement［D］. Montreal： Concordia University， 2024： 37-64.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

缺陷类型	形成机理	文献
间隙/重叠	轨迹控制精度不足，导致丝束重新送入路径时与预设位置不一致，产生位置偏差	［25-26，28］
缺丝	张力过大或压辊压力不足，造成丝束贴合度差，易脱落或无法正常铺放	［22，29］
扭转	丝束制造或导入过程控制不当，导向阻塞或设备振动引起轴向扭转	［17，29］
褶皱	轨迹曲率大或路径控制精度低，铺放头运行抖动导致丝束折叠变形	［17］
桥接	凹面铺放中张力与压力控制不协调，导致丝束抬起，无法紧贴模具表面	［9，17，22］
异物	丝束边缘摩擦生成绒毛堆积或生产环境中混入杂质，附着于铺层表面	［22，30-31］
纤维波纹	多种缺陷积累引起贫/富树脂区，纤维排列错位，形成局部起伏的厚度不均	［17，29］

方法类别	检测方法	优势	局限性	文献
基于点云分析和图像分割的方法	结构光点云分析与PointNet++	精度高，实时性强，成本低	点云数据量大，算力要求高	［88］
	SiamMask图像分割	精度高，处理速度快	对图像清晰度与角度敏感	［45］
	图像滤波与自适应阈值	抗干扰能力强，适应复杂纹理	通用性较弱	［94］
基于物理特性的方法	电阻变化检测	原位检测，适合层间缺陷监测	依赖电导率数据库，设备需频繁校准	［95］
基于红外热成像与时空数据的方法	空间-时间热成像重建	精度高，抗热扩散影响	依赖热像仪性能，速度受帧率影响	［96］
基于红外热成像与时空数据的方法	综合热成像框架	多功能集成，定量分析能力强	对设备帧率与空间分辨率依赖强	［97-98］
基于深度学习目标检测的方法	改进YOLOv7（BiFormer+AFPN）	精度高，识别小缺陷能力强	模型复杂，部署成本高	［99］
	改进YOLOv5与空间金字塔扩张卷积	运行快，多尺度适应性强	数据集依赖高，剪枝敏感	［100］
	深度学习网络SMSDDNet	精度高，适应复杂目标形态	网络结构复杂，算力要求高	［102］

表征方法	关键技术特征	优势	局限性	文献
X射线计算机断层扫描	无损三维成像，孔隙定量可视	分辨率高，三维结构信息完整	穿透深度有限，热塑性复材存在盲区	［104-105］
中子成像技术	中子对孔隙敏感，穿透性强	穿透深、对轻质缺陷识别能力强	成本高，设备少，分辨率较低	［106］
超声无损检测	脉冲回波与衰减分析	非接触，成本低，识别效率高	空间分辨率低，易误判	［107-108］
点云数据三维建模	分层点云重构真实间隙缺陷形貌	可用于有限元仿真	点云噪声大，建模流程复杂	［109］
CASF三维几何重建	基于铺放压实行为与几何轨迹重建缺陷形貌	缺陷形貌真实、预测性能准确	未考虑树脂流动，建模复杂，对厚度依赖大	［110］
显微XCT自动建模	高分辨显微CT图像和分层网格自动生成	建模精度高，适用于中尺度仿真	计算量大，耗时长	［111］

航空复合材料自动铺丝工艺缺陷检测、表征与工艺优化研究进展

Review on defect detection, characterization and process optimization in automated fiber placement of aviation composite

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 159

相关文章 15

编辑推荐

Metrics

本文评价

[1]	韩智, 王玉思, 张文瑶, 李冰, 陈园. 连续纤维增强复合材料增材制造预测建模研究进展[J]. 航空学报, 2026, 47(5): 432311-432311.
[2]	郑忆, 程向红, 唐兴邦, 曹毅. 基于改进ReDet的航拍绝缘子及其缺陷定向检测算法[J]. 航空学报, 2025, 46(18): 331825-331825.
[3]	杨倩, 王彦哲, 杨迪, 李泽众, 曲巍崴. 基于数据驱动的纤维增强复合材料自动铺放速度预测与规划[J]. 航空学报, 2024, 45(10): 429313-429313.
[4]	甘纪强, 王小平. 基于虚拟样本生成的铺丝表面缺陷检测[J]. 航空学报, 2024, 45(1): 428624-428624.
[5]	刘欢, 刘骁佳, 王宇斐, 王宁, 曹立俊. 基于复合卷积层神经网络结构的焊缝缺陷分类技术[J]. 航空学报, 2022, 43(S1): 726928-726928.
[6]	冉庆波, 肖鸿, 杨富鸿, 段玉岗. 含孔曲面自动铺丝轨迹规划算法[J]. 航空学报, 2022, 43(9): 425602-425602.
[7]	康硕, 柯臻铮, 王璇, 朱伟东. 基于红外和可见光图像融合的铺丝缺陷检测方法[J]. 航空学报, 2022, 43(3): 425187-425187.
[8]	陈向明, 姚辽军, 果立成, 孙毅. 3D打印连续纤维增强复合材料研究现状综述[J]. 航空学报, 2021, 42(10): 524787-524787.
[9]	谢林杉, 陈浩然, 王浩宇. 面向复杂回转体的T700级碳纤维/双马树脂材料铺放适应性[J]. 航空学报, 2020, 41(4): 423279-423279.
[10]	宋桂林, 王显峰, 赵聪, 高天成, 薛柯. 规则回转体自动铺丝轨迹规划与丝束增减[J]. 航空学报, 2020, 41(11): 423704-423704.
[11]	段沐枫, 秦田亮, 沈裕峰, 徐吉峰. 自动铺丝最小间隙路径规划与复合材料锥壳结构制造[J]. 航空学报, 2019, 40(2): 522423-522423.
[12]	刘永佼, 王显峰, 肖军. 圆锥面等测地曲率曲线的轨迹规划方法[J]. 航空学报, 2017, 38(7): 420904-420904.
[13]	赵聪, 肖军, 王显峰, 李俊斐, 黄威. 丝束张力对自动铺丝成型工艺的影响[J]. 航空学报, 2016, 37(4): 1384-1392.
[14]	文立伟, 宋清华, 秦丽华, 肖军. 基于机器视觉与UMAC的自动铺丝成型构件缺陷检测闭环控制系统[J]. 航空学报, 2015, 36(12): 3991-4000.
[15]	张虎, 原赛男, 周春根, 沙江波, 赵新青, 贾丽娜. Nb-Si金属间化合物基超高温合金研究进展[J]. 航空学报, 2014, 35(10): 2756-2766.