电阻抗层析成像在航空航天结构健康监测领域的应用及发展展望

doi:10.7527/S1000-6893.2025.31532

固体力学与飞行器总体设计

本期目录 | 过刊浏览 | 高级检索

前一篇 |

电阻抗层析成像在航空航天结构健康监测领域的应用及发展展望

于国强¹(), 韩思远¹, 高希光¹, 宋迎东¹^,²

^1.南京航空航天大学能源与动力学院，南京 210016
^2.哈尔滨工程大学哈尔滨 150001

收稿日期:2024-11-13 修回日期:2025-01-13 接受日期:2025-01-21 出版日期:2025-02-10 发布日期:2025-02-10
通讯作者: 于国强 E-mail:ygq@nuaa.edu.cn
基金资助:
国家自然科学基金(12202186);中国博士后科学基金(2024T171160)

Application and development prospects of electrical impedance imaging in aerospace structural health monitoring

Guoqiang YU¹(), Siyuan HAN¹, Xiguang GAO¹, Yingdong SONG¹^,²

^1.College of Energy and Power Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China
^2.Harbin Engineering University，Harbin 150001，China

Received:2024-11-13 Revised:2025-01-13 Accepted:2025-01-21 Online:2025-02-10 Published:2025-02-10
Contact: Guoqiang YU E-mail:ygq@nuaa.edu.cn
Supported by:
National Natural Science Foundation of China(12202186);China Postdoctoral Science Foundation(2024T171160)

摘要/Abstract

摘要：

电阻抗层析成像技术（EIT）作为一种新兴的损伤监测技术，以其非侵入、响应快、设备结构简单等优势而被认为在航空航天结构健康监测领域具有极高的应用潜力。首先对电阻抗成像算法的发展历程进行回顾，总结了国内外近年来EIT在正问题模型、正则化、逆问题求解等方面所取得的代表性成果。接着对EIT针对航空航天领域中常用的树脂基复合材料，陶瓷基复合材料以及其他功能性材料的损伤监测应用情况进行了系统性的归纳，并总结了EIT技术现有的针对三维结构可行的电极阵列排布以及激励方案。最后指出了电阻抗层析成像技术现存的关键问题，并对其未来的发展方向做出展望。

关键词: 航空航天结构, 结构健康监测, 电阻抗层析成像, 无损检测, 压缩感知

Abstract:

Electrical impedance imaging technology， an emerging damage monitoring technique， is deemed highly promising in aerospace structural health monitoring， owing to its non-invasive nature， rapid response， and simple equipment setup. This article first reviews the developmental history of electrical impedance tomography algorithms and summarizes the significant achievements made in recent years， both domestically and internationally， in forward problem modeling， regularization， and inverse problem solving. Then， a systematic summary was conducted on the damage monitoring applications of EIT technology for resin-based， ceramic-based， and other functional materials commonly used in the aerospace field. The existing feasible electrode array arrangements and excitation schemes for three-dimensional structures using EIT technology were also summarized. Finally， the existing technical problems of electrical impedance tomography technology were pointed out， and the future development direction was discussed.

Key words: aerospace structures, structural health monitoring, electrical impedance tomography, non-destructive testing, compressive sensing

中图分类号:

V240.2

于国强, 韩思远, 高希光, 宋迎东. 电阻抗层析成像在航空航天结构健康监测领域的应用及发展展望[J]. 航空学报, 2025, 46(15): 231532.

Guoqiang YU, Siyuan HAN, Xiguang GAO, Yingdong SONG. Application and development prospects of electrical impedance imaging in aerospace structural health monitoring[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(15): 231532.

图/表 29

图 1

图 2

图 3

图 4

图 5

图 6

图7

表1

图 8

图 9

图 10

表2

图 11

图12

表3

图 13

图 14

图 15

表4

表5

图 16

图 17

图 18

图 19

图 20

图 21

图 22

图 23

图 24

参考文献 113

[1]	GINGER G. Rolls-Royce starts manufacture of world’s largest fan blades， made with composites， for UltraFan demonstrator［EB/OL］. （2020-02-11）［2025-01-15］. .
[2]	刘豫霖，温卫东，崔海涛，等. 树脂基复合材料风扇机匣安装边连接强度研究［J］. 机械制造与自动化， 2021， 50（3）： 58-61， 71.
	LIU Y L， WEN W D， CUI H T， et al. Research on connection strength of installation edge of resin matrix composite fan case［J］. Machine Building & Automation， 2021， 50（3）： 58-61， 71 （in Chinese）.
[3]	VERRILLI M J， MARTIN L C， BREWER D N. RQL sector rig testing of SiC/SiC combustor liners： NASA/TM-2002-211509［R］. Washington， D.C.： NASA， 2002.
[4]	KRISHAN L. Development and commercialization of GE’s ceramic matrix composites （CMCs） for aircraft engines［C］∥Ceramic Matrix Composites： Science and Technology of Materials， Design， Applications， Performance and Integration. New York： ECI， 2017.
[5]	白国栋，童小燕，姚磊江. 材料初始缺陷对平纹编织C/SiC复合材料热残余应力的影响研究［J］. 航空工程进展， 2020， 11（3）： 332-337.
	BAI G D， TONG X Y， YAO L J. Study on the influence of initial defects on thermal residual stress of plain weave C/SiC composites［J］. Advances in Aeronautical Science and Engineering， 2020， 11（3）： 332-337 （in Chinese）.
[6]	于秀娟，余有龙，张敏，等. 光纤光栅传感器在航空航天复合材料/结构健康监测中的应用［J］. 激光杂志， 2006， 27（1）： 1-3.
	YU X J， YU Y L， ZHANG M， et al. Applications of fiber bragg grating sensor for aerospace composite and structures health monitoring［J］. Laser Journal， 2006， 27（1）： 1-3 （in Chinese）.
[7]	郑跃滨，武湛君，雷振坤，等. 基于超声导波的航空航天结构损伤诊断成像技术研究进展［J］. 航空制造技术， 2020， 63（18）： 24-43.
	ZHENG Y B， WU Z J， LEI Z K， et al. Research progress in damage diagnostic imaging of aerospace structures based on ultrasonic guided waves［J］. Aeronautical Manufacturing Technology， 2020， 63（18）： 24-43 （in Chinese）.
[8]	CHEN J， YUAN S F， QIU L， et al. Research on a lamb wave and particle filter-based on-line crack propagation prognosis method［J］. Sensors， 2016， 16（3）： 320.
[9]	杨宇，王彬文，祁小凤. 面向全尺寸民机结构疲劳试验的声发射监测技术［J］. 航空学报， 2022， 43（6）： 527044.
	YANG Y， WANG B W， QI X F. Acoustic emission monitoring technology for fatigue test of full-scale civil aircraft structure［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（6）： 527044 （in Chinese）.
[10]	杜飞，田镇熊，徐超，等. 基于压电传感器的螺栓松动智能监测技术研究［J］. 宇航总体技术， 2024， 8（6）： 58-65.
	DU F， TIAN Z X， XU C， et al. Intelligent monitoring technology of bolt loosening based on piezoelectric sensor［J］. Astronautical Systems Engineering Technology， 2024， 8（6）： 58-65 （in Chinese）.
[11]	SBARUFATTI C， MANES A， GIGLIO M. Application of sensor technologies for local and distributed structural health monitoring［J］. Structural Control and Health Monitoring， 2014， 21（7）： 1057-1083.
[12]	任萌，朱丽娜，于鹤龙，等. 面向机械损伤状态监测的智能材料研究进展［J］. 机械工程学报， 2023， 59（18）： 42-53.
	REN M， ZHU L N， YU H L， et al. Research progress of smart materials used for damage condition monitoring of machineries［J］. Journal of Mechanical Engineering， 2023， 59（18）： 42-53 （in Chinese）.
[13]	刘青旭，陈海峰， BRYANSKY A，等.航天复合材料结构健康监测技术应用进展［J］.复合材料学报，2024，41（9）：4563-4588.
	LIU Q X， CHEN H F， BRYANSKY A， et al. Progress in application on health monitoring technology for aerospacecomposite structures［J］. Acta Materiae Compositae Sinica， 2024， 41（9）： 4563-4588 （in Chinese）.
[14]	武湛君，渠晓溪，高东岳，等. 航空航天复合材料结构健康监测技术研究进展［J］. 航空制造技术， 2016， 59（15）： 92-102， 109.
	WU Z J， QU X X， GAO D Y， et al. Research progress on structural health monitoring technology for aerospace composite structures［J］. Aeronautical Manufacturing Technology， 2016， 59（15）： 92-102， 109 （in Chinese）.
[15]	TALLMAN T N， SMYL D J. Structural health and condition monitoring electrical impedance tomography in self-sensing materials： A review［J］. Smart Material Structures， 2020， 29（12）： 123001.
[16]	韩思远. 电阻率层析成像算法精度改进及其应用研究［D］. 南京：南京航空航天大学， 2023.
	HAN S Y. Research on the improvement of resistivity tomography algorithm accuracy and its application［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2023 （in Chinese）.
[17]	徐东亮. 机敏混凝土结构的电阻率层析成像研究［D］. 武汉：武汉理工大学， 2006.
	XU D L. Study on resistivity tomography of smart concrete structure［D］. Wuhan： Wuhan University of Technology， 2006 （in Chinese）.
[18]	HU C L， CHENG I C， HUANG C H， et al. Dry wearable textile electrodes for portable electrical impedance tomography［J］. Sensors， 2021， 21（20）： 6789.
[19]	HAMILTON S J， MULLER P A， ISAACSON D， et al. Fast absolute 3D CGO-based electrical impedance tomography on experimental tank data［J］. Physiological Measurement， 2022， 43（12）： 10.
[20]	何为，李冰，徐征，等. 三维电阻抗成像中混合正则化算法［J］. 重庆大学学报， 2013， 36（10）： 48-53， 73.
	HE W， LI B， XU Z， et al. A combined regularization algorithm for three-dimensional electrical impedance tomography system［J］. Journal of Chongqing University， 2013， 36（10）： 48-53， 73 （in Chinese）.
[21]	DOWRICK T， HOLDER D. Phase division multiplexed EIT for enhanced temporal resolution［J］. Physiological Measurement， 2018， 39（3）： 034005.
[22]	DAI H B， THOSTENSON E T. Large-area carbon nanotube-based flexible composites for ultra-wide range pressure sensing and spatial pressure mapping［J］. ACS Applied Materials & Interfaces， 2019， 11（51）： 48370-48380.
[23]	GUPTA S， LIN Y N， LEE H J， et al. Crack mapping of large-scale self-sensing concrete pavements using electrical resistance tomography［J］. Cement and Concrete Composites， 2021， 122： 104154.
[24]	TALLMAN T N， GUNGOR S， WANG K W， et al. Damage detection and conductivity evolution in carbon nanofiber epoxy electrical impedance tomography［J］. Smart Materials and Structures， 2014， 23（4）： 045034.
[25]	TALLMAN T N， GUNGOR S， WANG K W， et al. Damage detection via electrical impedance tomography in glass fiber/epoxy laminates with carbon black filler［J］. Structural Health Monitoring， 2015， 14（1）： 100-109.
[26]	BROWN B H， SEAGAR A D. The Sheffield data collection system［J］. Clinical Physics and Physiological Measurement， 1987， 8（）： 91-97.
[27]	KAUPPINEN P， HYTTINEN J， MALMIVUO J. Sensitivity distribution visualizations of impedance tomography measurement strategies［J］. International Journal of Bioelectromagnetism， 2006， 8（1）： Ⅶ/1-Ⅶ/9.
[28]	ZHAO S， DENG J， SHA H， et al. The impact of the measurement accuracy and the excitation pattern on EIT image reconstruction［C］∥2013 6th International Conference on Biomedical Engineering and Informatics. Piscataway： IEEE Press， 2013： 59-63.
[29]	GALLO G J， THOSTENSON E T. Spatial damage detection in electrically anisotropic fiber-reinforced composites using carbon nanotube networks［J］. Composite Structures， 2016， 141： 14-23.
[30]	LESTARI W， PINTO B， LA SAPONARA V， et al. Sensing uniaxial tensile damage in fiber-reinforced polymer composites using electrical resistance tomography［J］. Smart Material Structures， 2016， 25（8）： 085016.
[31]	LOYOLA B R， BRIGGS T M， ARRONCHE L， et al. Detection of spatially distributed damage in fiber-reinforced polymer composites［J］. Structural Health Monitoring， 2013， 12（3）： 225-239.
[32]	王琦，尹鑫铭，李晓捷，等. 肺部电阻抗成像电极阵列优化方法研究［J］. 电子测量与仪器学报， 2022， 36（6）： 55-65.
	WANG Q， YIN X M， LI X J， et al. Optimization of electrode array for lung electrical impedance imaging［J］. Journal of Electronic Measurement and Instrumentation， 2022， 36（6）： 55-65 （in Chinese）.
[33]	SMYL D， LIU D. Optimizing electrode positions in 2-D electrical impedance tomography using deep learning［J］. IEEE Transactions on Instrumentation and Measurement， 2020， 69（9）： 6030-6044.
[34]	汪婧. ECT/ERT双模态阵列电极优化设计及其正问题研究［D］. 天津：天津大学， 2008.
	WANG J. Optimal design of ECT/ERT dual-mode array electrode and its forward problem research［D］. Tianjin： Tianjin University， 2008 （in Chinese）.
[35]	杨璐. 基于电阻抗技术的胚胎发育过程监测方法研究［D］. 南京：南京航空航天大学，2023.
	YANG L. Research on embryonic development process monitoring using electrical impedance technology［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2023 （in Chinese）.
[36]	李凯强. 电阻抗成像技术的图像重构算法研究［D］. 南京：南京邮电大学， 2015.
	LI K Q. Research on image reconstruction algorithm of electrical impedance imaging technology［D］. Nanjing： Nanjing University of Posts and Telecommunications， 2015 （in Chinese）.
[37]	李佳. 电阻抗层析成像的数据融合与正则化算法研究［D］. 天津：天津大学， 2020.
	LI J. Research on data fusion and regularization algorithm of electrical impedance tomography［D］. Tianjin： Tianjin University， 2020 （in Chinese）.
[38]	饶祖广. 基于总变差方法的电阻抗层析成像重构算法研究［D］. 新乡：河南师范大学， 2020 .
	RAO Z G. Research on reconstruction algorithm of electrical impedance tomography based on total variation method［D］. Xinxiang： Henan Normal University， 2020 （in Chinese）.
[39]	HASSAN H， SEMPERLOTTI F， WANG K W， et al. Enhanced imaging of piezoresistive nanocomposites through the incorporation of nonlocal conductivity changes in electrical impedance tomography［J］. Journal of Intelligent Material Systems and Structures， 2018， 29（9）： 1850-1861.
[40]	王化祥，唐磊，闫勇. 电容层析成像图像重建的总变差正则化算法［J］. 仪器仪表学报， 2007， 28（11）： 2014-2018.
	WANG H X， TANG L， YAN Y. Total variation regularization algorithm for electrical capacitance tomography［J］. Chinese Journal of Scientific Instrument， 2007， 28（11）： 2014-2018 （in Chinese）.
[41]	BENNING M， BURGER M. Modern regularization methods for inverse problems［J］. Acta Numerica， 2018， 27： 1-111.
[42]	何为，罗辞勇，徐征，等. 电阻抗成像原理［M］. 北京：科学出版社， 2009：214-215.
	HE W， LUO C Y， XU Z，et al. Electrical impedance imaging principle［M］. Beijing： Science Press， 2009：214-215 （in Chinese）.
[43]	王化祥，王超，陈磊. 基于Landweber迭代的图像重建算法［J］. 信号处理， 2000， 16（4）： 354-356， 328.
	WANG H X， WANG C， CHEN L. An image reconstruction algorithm based on the landweber iteration method［J］. Signal Processing， 2000， 16（4）： 354-356， 328 （in Chinese）.
[44]	VAUHKONEN M， VADÁSZ D， KARJALAINEN P A， et al. Tikhonov regularization and prior information in electrical impedance tomography［J］. IEEE Transactions on Medical Imaging， 1998， 17（2）： 285-293.
[45]	CHENEY M， ISAACSON D， NEWELL J C， et al. NOSER： An algorithm for solving the inverse conductivity problem［J］. International Journal of Imaging Systems and Technology， 1990， 2（2）： 66-75.
[46]	AHMAD S， STRAUSS T， KUPIS S， et al. Comparison of statistical inversion with iteratively regularized Gauss Newton method for image reconstruction in electrical impedance tomography［J］. Applied Mathematics and Computation， 2019， 358： 436-448.
[47]	李冬晔，康彬. 电阻抗成像正则化算法的优化［J］. 计算机技术与发展， 2016， 26（5）： 188-190， 196.
	LI D Y， KANG B. Optimization of electrical impedance tomography regularization algorithm［J］. Computer Technology and Development， 2016， 26（5）： 188-190， 196 （in Chinese）.
[48]	BORSIC A， ADLER A. A primal-dual interior-point framework for using the L1 or L2 norm on the data and regularization terms of inverse problems［J］. Inverse Problems， 2012， 28（9）： 095011.
[49]	WAHLBERG B， BOYD S， ANNERGREN M， et al. An ADMM algorithm for a class of total variation regularized estimation problems［J］. IFAC Proceedings Volumes， 2012， 45（16）： 83-88.
[50]	DAUBECHIES I， DEFRISE M， DE MOL C. An iterative thresholding algorithm for linear inverse problems with a sparsity constraint［J］. Communications on Pure and Applied Mathematics， 2004， 57（11）： 1413-1457.
[51]	BIOUCAS-DIAS J M， FIGUEIREDO M A T. A new twIst： Two-step iterative shrinkage/thresholding algorithms for image restoration［J］. IEEE Transactions on Image Processing， 2007， 16（12）： 2992-3004.
[52]	GOLDSTEIN T， OSHER S. The split bregman method for L1-regularized problems［J］. SIAM Journal on Imaging Sciences， 2009， 2（2）： 323-343.
[53]	成民民. 电阻抗成像重构算法研究［D］. 南京：南京邮电大学， 2019.
	CHENG M M. Research on reconstruction algorithm of electrical impedance imaging［D］. Nanjing： Nanjing University of Posts and Telecommunications， 2019 （in Chinese）.
[54]	WANG Q， WANG H X， ZHANG R H， et al. Image reconstruction based on L1 regularization and projection methods for electrical impedance tomography［J］. Review of Scientific Instruments， 2012， 83（10）： 104707.
[55]	WENRU FAN A， CHENG B Y. Sorted L₁ regularization method for damage detection based on electrical impedance tomography［J］. Review of Scientific Instruments， 2021， 92（12）： 124701.
[56]	ZHAO Y J， WANG L， GUPTA S， et al. Comparison of electrical impedance tomography inverse solver approaches for damage sensing［C］∥Nondestructive Characterization and Monitoring of Advanced Materials， Aerospace， and Civil Infrastructure 2017. SPIE， 2017.
[57]	唐磊. 电阻抗断层成像算法研究及系统软件设计［D］. 天津：天津大学， 2006.
	TANG L. Research on electrical impedance tomography algorithm and system software design［D］. Tianjin： Tianjin University， 2006 （in Chinese）.
[58]	董峰，赵佳，许燕斌，等. 用于电阻层析成像的快速自适应硬阈值迭代算法［J］. 天津大学学报（自然科学与工程技术版）， 2015， 48（4）： 305-310.
	DONG F， ZHAO J， XU Y B， et al. A fast adaptive iterative hard threshold algorithm for electrical resistance tomography［J］. Journal of Tianjin University （Science and Technology）， 2015， 48（4）： 305-310 （in Chinese）.
[59]	范文茹，么雪飞. 基于改进L1/2正则化的电阻抗层析成像［J］. 电子测量技术， 2022， 45（7）： 56-61.
	FAN W R， YAO X F. Electrical impedance tomography based on improved L1/2 regularization［J］. Electronic Measurement Technology， 2022， 45（7）： 56-61 （in Chinese）.
[60]	马敏，于洁，范文茹. 基于改进联合稀疏EIT算法的CFRP材料检测［J］. 北京航空航天大学学报， 2023， 49（2）： 265-272.
	MA M， YU J， FAN W R. CFRP material detection based on improved joint sparse EIT algorithm［J］. Journal of Beijing University of Aeronautics and Astronautics， 2023， 49（2）： 265-272 （in Chinese）.
[61]	左从磊，李静. 基于混合全变差正则化算法的电阻抗成像技术研究［J］. 传感器与微系统， 2021， 40（11）： 40-43， 46.
	ZUO C L， LI J. Research on EIT technology based on HTV regularization algorithm［J］. Transducer and Microsystem Technologies， 2021， 40（11）： 40-43， 46 （in Chinese）.
[62]	MAMATJAN Y， BORSIC A， GÜRSOY D， et al. An experimental clinical evaluation of EIT imaging with ℓ1 data and image norms［J］. Physiological Measurement， 2013， 34（9）： 1027-1039.
[63]	何晓蓉. 基于L1和L2范数的EIT静态成像算法的对比研究［D］. 天津：天津大学， 2014 .
	HE X R. Comparative study of EIT static imaging algorithms based on L1 and L2 norms［D］. Tianjin： Tianjin University， 2014 （in Chinese）.
[64]	韦国恩. 一种基于高分辨率波达估计算法的电阻抗成像技术研究［D］. 南宁：广西大学， 2019.
	WEI G E. Research on electrical impedance tomography technology based on high resolution DOA estimation algorithm［D］. Nanning： Guangxi University， 2019 （in Chinese）.
[65]	陈纪承. Kalman滤波算法在电阻抗成像技术中的应用［D］. 秦皇岛：燕山大学， 2017.
	CHEN J C. Application of Kalman filter algorithm in electrical impedance tomography［D］. Qinhuangdao： Yanshan University， 2017 （in Chinese）.
[66]	LIU D， SMYL D， DU J F. A parametric level set-based approach to difference imaging in electrical impedance tomography［J］. IEEE Transactions on Medical Imaging， 2019， 38（1）： 145-155.
[67]	ALSAKER M， MUELLER J L， STAHEL A. A multithreaded real-time solution for 2D EIT reconstruction with the D-bar algorithm［J］. Journal of Computational Science， 2023， 67： 101967.
[68]	SMYL D， POUR-GHAZ M， SEPPÄNEN A. Detection and reconstruction of complex structural cracking patterns with electrical imaging［J］. NDT & E International， 2018， 99： 123-133.
[69]	HASSAN H， TALLMAN T N. Failure prediction in self-sensing nanocomposites via genetic algorithm-enabled piezoresistive inversion［J］. Structural Health Monitoring， 2020， 19（3）： 765-780.
[70]	SMYL D， BOSSUYT S， AHMAD W， et al. An overview of 38 least squares-based frameworks for structural damage tomography［J］. Structural Health Monitoring， 2020， 19（1）： 215-239.
[71]	丁明亮. 提高电阻抗层析成像空间分辨率的算法研究及应用［D］. 天津：天津大学， 2020.
	DING M L. Research and application of algorithm for improving spatial resolution of electrical impedance tomography［D］. Tianjin： Tianjin University， 2020 （in Chinese）.
[72]	YANG Y J， JIA J B. An image reconstruction algorithm for electrical impedance tomography using adaptive group sparsity constraint［J］. IEEE Transactions on Instrumentation and Measurement， 2017， 66（9）： 2295-2305.
[73]	MIAO L W， MA Y X， WANG J P. ROI-based image reconstruction of electrical impedance tomography used to detect regional conductivity variation［J］. IEEE Transactions on Instrumentation and Measurement， 2014， 63（12）： 2903-2910.
[74]	HAN S Y， YU G Q， LU W， et al. Fast artifact filtering algorithm for electrical resistivity tomography［J］. Measurement Science and Technology， 2023， 34（6）： 065601.
[75]	BAŞYIGIT C， AKKURT I， KILINCARSLAN S， et al. Prediction of compressive strength of heavyweight concrete by ANN and FL models［J］. Neural Computing and Applications， 2010， 19（4）： 507-513.
[76]	JIANG K J， HAN Q， BAI Y L， et al. Data-driven ultimate conditions prediction and stress-strain model for FRP-confined concrete［J］. Composite Structures， 2020， 242： 112094.
[77]	AGHABALAEI BAGHAEI K， HADIGHEH S A. Durability assessment of FRP-to-concrete bonded connections under moisture condition using data-driven machine learning-based approaches［J/OL］. Composite Structures， 2021： 114576..
[78]	MACHELLO C， AGHABALAEI BAGHAEI K， BAZLI M， et al. Tree-based machine learning approach to modelling tensile strength retention of Fibre Reinforced Polymer composites exposed to elevated temperatures［J］. Composites Part B： Engineering， 2024， 270： 111132.
[79]	ZHAO G M， XU T H， FU X M， et al. Machine-learning-assisted multiscale modeling strategy for predicting mechanical properties of carbon fiber reinforced polymers［J］. Composites Science and Technology， 2024， 248： 108455.
[80]	HAMILTON S J， HAUPTMANN A. Deep D-bar： Real-time electrical impedance tomography imaging with deep neural networks［J］. IEEE Transactions on Medical Imaging， 2018， 37（10）： 2367-2377.
[81]	HRABUSKA R， PRAUZEK M， VENCLIKOVA M， et al. Image reconstruction for electrical impedance tomography： Experimental comparison of radial basis neural network and Gauss-Newton method［J］. IFAC-PapersOnLine， 2018， 51（6）： 438-443.
[82]	叶明，李晓丞，刘凯，等. 一种基于U~2-Net模型的电阻抗成像方法［J］. 仪器仪表学报， 2021， 42（2）： 235-243.
	YE M， LI X C， LIU K， et al. Image reconstruction method for electrical impedance tomography using U²-Net［J］. Chinese Journal of Scientific Instrument， 2021， 42（2）： 235-243 （in Chinese）.
[83]	RIXEN J， ELIASSON B， HENTZE B， et al. A rotational invariant neural network for electrical impedance tomography imaging without reference voltage： RF-REIM-NET［J］. Diagnostics， 2022， 12（4）： 777.
[84]	ZHAO M K， LIU J， GUO Z S， et al. Application of electrical impedance tomography imaging technology combined with generative adversarial network in pulmonary ventilation monitoring［J］. Journal of Biomedical Engineering， 2024， 41（1）： 105-113.
[85]	姚佳烽，李比古，陈怀瑾. 面向手势识别的电阻抗成像系统开发［J］. 传感器与微系统， 2020， 39（8）： 89-91， 95.
	YAO J F， LI B G， CHEN H J. Development of electrical impedance tomography system for gesture recognition［J］. Transducer and Microsystem Technologies， 2020， 39（8）： 89-91， 95 （in Chinese）.
[86]	FAN W R， QIAO L. Convolutional neural network method for damage detection of CFRP in electrical impedance tomography［J］. Measurement Science and Technology， 2023， 34（2）： 025401.
[87]	GOETSCHALCKX L， ANDONIAN A， WAGEMANS J. Generative adversarial networks unlock new methods for cognitive science［J］. Trends in Cognitive Sciences， 2021， 25（9）： 788-801.
[88]	AGGARWAL A， MITTAL M， BATTINENI G. Generative adversarial network： An overview of theory and applications［J］. International Journal of Information Management Data Insights， 2021， 1（1）： 100004.
[89]	ALAM M S， KWON K C， ERDENEBAT M U， et al. Super-resolution enhancement method based on generative adversarial network for integral imaging microscopy［J］. Sensors， 2021， 21（6）： 2164.
[90]	CHEN Y T， LI K， HAN Y. Electrical resistance tomography with conditional generative adversarial networks［J］. Measurement Science and Technology， 2020， 31（5）： 055401.
[91]	杨周杰. 基于碳纳米管薄膜电阻抗成像的复合材料结构损伤识别［D］. 南京：南京航空航天大学， 2018.
	YANG Z J. Damage identification of composite structure based on carbon nanotube film electrical impedance imaging［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2018 （in Chinese）.
[92]	郑一飞，严刚，郭树祥. 基于印刷传感层电阻抗成像的复合材料结构损伤识别［J］. 航空科学技术， 2020， 31（4）： 67-73.
	ZHENG Y F， YAN G， GUO S X. Damage detection for composite structures by using printed sensing layer and electrical impedance tomography［J］. Aeronautical Science & Technology， 2020， 31（4）： 67-73 （in Chinese）.
[93]	CAGÁŇ J， PELANT J， KYNCL M， et al. Damage detection in carbon fiber-reinforced polymer composite via electrical resistance tomography with Gaussian anisotropic regularization［J］. Structural Health Monitoring， 2019， 18（5-6）： 1698-1710.
[94]	GAO X G， WEI T T， DONG H N， et al. Damage detection in 2.5D C/SiC composites using electrical resistance tomography［J］. Journal of the European Ceramic Society， 2019， 39（13）： 3583-3593.
[95]	陆威. 树脂基复合材料 EIT 成像精度影响因素及应用研究［D］. 南京：南京航空航天大学，2023.
	LU W. Study on the influence factors and application of resin matrix composite EIT imaging accuracy［D］. Nanjing： Nanjing University of Aeronautics and Astronautics，2023 （in Chinese）.
[96]	金鑫. 基于光纤布拉格光栅的航空结构损伤监测研究［D］. 南京：南京航空航天大学， 2020.
	JIN X. Research on damage monitoring of aviation structure based on fiber Bragg grating［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2020 （in Chinese）.
[97]	SHIVAKUMAR K， EMMANWORI L. Mechanics of failure of composite laminates with an embedded fiber optic sensor［J］. Journal of Composite Materials， 2004， 38（8）： 669-680.
[98]	GUEMES J A， MENÉNDEZ J M. Response of bragg grating fiber-optic sensors when embedded in composite laminates［J］. Composites Science and Technology， 2002， 62（7-8）： 959-966.
[99]	TALLMAN T N， HOMA L， LESTHAEGHE T， et al. Detection of indentation damage in carbon fiber/epoxy composites via EIT during the application of bending loads［J］. NDT & E International， 2024， 147： 103206.
[100]	高希光，韩栋，宋迎东，等. 陶瓷基复合材料结构的动力学强度设计方法：研究现状及展望［J］. 机械工程学报， 2021， 57（16）： 235-247.
	GAO X G， HAN D， SONG Y D， et al. Dynamic strength design methods of ceramic matrix composite structures： current status and future prospects［J］. Journal of Mechanical Engineering， 2021， 57（16）： 235-247 （in Chinese）.
[101]	魏婷婷. 基于电阻抗成像的陶瓷基复合材料高温燃气损伤检测方法［D］. 南京：南京航空航天大学， 2020.
	WEI T T. Damage detection method of ceramic matrix composites by high temperature gas based on electrical impedance imaging［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2020 （in Chinese）.
[102]	徐管鑫. 电阻抗成像技术理论及应用研究［D］. 重庆：重庆大学， 2004.
	XU G X. Research on theory and application of electrical impedance tomography technology［D］. Chongqing： Chongqing University， 2004 （in Chinese）.
[103]	胡松佩，徐德洪，李彦，等. 基于高密度传感器的舌癌组织边界三维电阻抗成像方法［J］. 分析化学， 2023， 51（12）： 1924-1934.
	HU S P， XU D H， LI Y， et al. Three dimensional electrical impedance tomography method for cancer boundary detection of tongue tissue based on high-density sensor［J］. Chinese Journal of Analytical Chemistry， 2023， 51（12）： 1924-1934 （in Chinese）.
[104]	THOMAS A J， KIM J J， TALLMAN T N， et al. Damage detection in self-sensing composite tubes via electrical impedance tomography［J］. Composites Part B： Engineering， 2019， 177： 107276.
[105]	THOMAS A J， TALLMAN T N. Damage detection via electrical impedance tomography in a filament wound glass fiber/epoxy composite tube with carbon black filler［C］∥Structural Health Monitoring 2019. DEStech Publications， Inc.， 2019.
[106]	TALLMAN T N， HOMA L， FLORES M， et al. Damage mapping via electrical impedance tomography in complex AM shapes using mixed smoothness and Bayesian regularization［J］. Computer Methods in Applied Mechanics and Engineering， 2023， 414： 116185.
[107]	TALLMAN T N， GUNGOR S， KOO G M， et al. On the inverse determination of displacements， strains， and stresses in a carbon nanofiber/polyurethane nanocomposite from conductivity data obtained electrical impedance tomography［J］. Journal of Intelligent Material Systems and Structures， 2017， 28（18）： 2617-2629.
[108]	HASSAN H， TALLMAN T N. Experimental identification of stress concentrations in piezoresistive nanocomposites via electrical impedance tomography［C］∥Sensors and Smart Structures Technologies for Civil， Mechanical， and Aerospace Systems 2019. SPIE， 2019.
[109]	RASHETNIA R， HALLAJI M， SMYL D， et al. Detection and localization of changes in two-dimensional temperature distributions by electrical resistance tomography［J］. Smart Materials and Structures， 2017， 26（11）： 115021.
[110]	CHITTURI V， FARRUKH N. Spatial resolution in electrical impedance tomography： A topical review［J］. Journal of Electrical Bioimpedance， 2019， 8（1）： 66-78.
[111]	KAMUS Z， NOFRIANTO A， SATWIKA Y W， et al. Optimization of object injection current in the development of electrical impedance tomography for bone fracture detection［J］. Journal of Physics： Conference Series， 2022， 2309（1）： 012034.
[112]	SMYL D， LIU D. Invisibility and indistinguishability in structural damage tomography［J］. Measurement Science and Technology， 2020， 31（2）： 024001.
[113]	BURGER M， KOROLEV Y， RASCH J. Convergence rates and structure of solutions of inverse problems with imperfect forward models［J］. Inverse Problems， 2019， 35（2）： 024006.

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

案例	被测目标	初步成像	损伤区域识别	最终成像
原理：定位出损伤区域的中心点^［72］
原理：定位出电阻率变化的峰值区域^［73］
原理：基于聚类算法对损伤单元进行聚类分析^［74］

案例	实验条件	被测目标	成像结果
文献［55］	材质：CFRP板算法：ADMM （交替方向乘子法）损伤：穿孔损伤
文献［30］	材质：GFRP板算法：MAP （最大后验估计）损伤：冲击损伤
文献［94］	材质：2.5D C/SiC 算法：NOSER （一步牛顿法）损伤：穿孔损伤
文献［95］	材质：CFRP板算法：NOSER （一步牛顿法）损伤：裂纹损伤

电阻抗层析成像在航空航天结构健康监测领域的应用及发展展望

Application and development prospects of electrical impedance imaging in aerospace structural health monitoring

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 29

参考文献 113

相关文章 15

编辑推荐

Metrics

本文评价

[1]	袁慎芳, 徐秋慧, 陈健. 可靠性评价：从无损检测到结构健康监测[J]. 航空学报, 2025, 46(5): 531442-531442.
[2]	薛小锋, 赵淼龑, 杜倩宜, 冯蕴雯, 樊俊铃, 焦婷. 基于人员和环境因素定量化的检测可靠性[J]. 航空学报, 2024, 45(6): 228859-228859.
[3]	杨娟, 牛江昊, 张青松. 循环老化锂离子电池热失控气体原位爆炸极限实验分析[J]. 航空学报, 2023, 44(23): 428529-428529.
[4]	胡汉铎, 宋彦萍, 俞建阳, 刘瑶, 陈浮, 高文秀. 翼型不确定性量化中正交匹配追踪的应用[J]. 航空学报, 2023, 44(18): 128327-128327.
[5]	宋凯, 张弛, 晏晨辉, 宁宁, 樊俊铃, 王荣彪. 基于双参数表征的航空发动机轮盘模型辅助涡流检测可靠性[J]. 航空学报, 2023, 44(13): 227866-227866.
[6]	贾金伟, 刘利民, 韩壮志, 解辉. 基于压缩感知的抗SDIF分选射频隐身信号设计及回波信号处理[J]. 航空学报, 2023, 44(13): 327934-327934.
[7]	王芳丽, 刘凯, 潘微, 童明波. 民机结构绿色维修技术应用与发展[J]. 航空学报, 2023, 44(11): 25851-025851.
[8]	郑辉, 邱雷, 袁慎芳, 杨晓飞, 卢绪龙, 薛兆鹏. C/C热防护结构高温气流损伤导波监测实验方法[J]. 航空学报, 2022, 43(8): 225659-225659.
[9]	王育鹏, 吕帅帅, 杨宇, 李嘉欣, 王叶子. 基于域自适应的复合材料结构损伤识别方法[J]. 航空学报, 2022, 43(6): 526752-526752.
[10]	夏凯龙, 何箐, 张雨生. 基于红外热成像的涡轮叶片气膜孔孔径测量方法及缩孔规律[J]. 航空学报, 2022, 43(12): 426271-426271.
[11]	尚勇, 冯阳, 刘巧沐, 王君武, 杨惠君, 茹毅, 张恒, 赵文月, 裴延玲, 李树索, 宫声凯. 大型科学装置在航空发动机高温结构材料和涂层上的研究与应用[J]. 航空学报, 2022, 43(10): 527481-527481.
[12]	曲抒旋, 巩文斌, 孙小珠, 张东兴, 梁志强, 高丽敏, 吕卫帮. 基于碳纳米管薄膜的复合材料在线损伤监测[J]. 航空学报, 2022, 43(1): 424949-424949.
[13]	祁小凤, 杨宇, 康卫平, 王倩. 随机载荷谱下基于声发射的耳片接头疲劳裂纹识别方法[J]. 航空学报, 2021, 42(5): 524518-524518.
[14]	许敬晖, 乔百杰, 滕光蓉, 杨志勃, 陈雪峰. 基于压缩感知的叶端定时信号参数辨识方法[J]. 航空学报, 2021, 42(5): 524229-524229.
[15]	刘劲, 韩雪侠, 宁晓琳, 陈晓, 康志伟. 基于EMD-CS的脉冲星周期超快速估计[J]. 航空学报, 2020, 41(8): 623486-623486.