杜永峰，侯 斌，李萬潤，劉 鵬

（1.蘭州理工大學 防震減災研究所，蘭州 730050；2.甘肅省土木工程防災減災重點實驗室，蘭州 730050；3.蘭州理工大學 西部土木工程防災減災教育部工程研究中心，蘭州 730050）

世界各國都加緊致力于新能源（尤其是清潔可再生能源）的開發(fā)利用。風能作為一種清潔可再生能源，以其資源豐富、分布廣泛和價格優(yōu)惠等優(yōu)勢而獲得了較快的發(fā)展。根據世界風能協(xié)會的報道，截至2013年底，全世界的風力發(fā)電總裝機容量達到了318 529 MW，從2008～2013年全球風電總裝機容量分別為120 894，159 742，196 944，236 749，282 275，318 529MW［1］。中國更是繼續(xù)在世界風能發(fā)展中發(fā)揮領軍作用，2013年，中國（不包括臺灣地區(qū)）新增裝機容量16 089MW，占世界新增裝機容量的45%，累計裝機容量91 413 MW。新增裝機和累計裝機兩項數據均居世界第一［2］。

區(qū)別于其他常規(guī)電站，風力發(fā)電場一般位于遠離城市的山區(qū)、戈壁、海洋等環(huán)境相對惡劣的區(qū)域，這使得風力發(fā)電設施發(fā)生損壞的可能性大大增加。雖然風力發(fā)電機的任何一個部件都有可能出現破壞，但較為常見的還是葉片和塔筒的損壞［3－4］。葉片作為風力發(fā)電機的一個非常關鍵的部件，它的造價要占到整個風機造價的15%～20%［5］。而且一旦出現較大損傷，維修起來非常困難，維修所花費的時間也很長。更嚴重的是，如果葉片在出現微小損傷后沒有被及時修補，等到它折斷或者嚴重彎曲以后，由于轉動質量的不平衡性，極有可能造成整個風機毀滅性的破環(huán)［6］。

能解決上述問題，提高風機葉片耐久性的最好方法就是使用各種結構健康監(jiān)測（SHM）技術，對葉片狀態(tài)進行實時監(jiān)測。通過健康監(jiān)測，可避免微小損傷的繼續(xù)發(fā)展，將問題處理在萌芽狀態(tài)，防止發(fā)生破壞性的不可修復的損壞。同時，通過實時監(jiān)測得到的數據，可以為新一代風機葉片的設計提供具有實際價值的參考信息［7］。

Lamb波是一種在板類結構（波長與板厚相近）中傳播的彈性波，它在傳播的過程中，結構的任何不連續(xù)性（如裂紋、分層、通孔等損傷）都會對其產生影響，使其表現出能量衰減、模式轉換、頻譜變化等特征，可以利用這些特征，來識別結構中損傷的有無。這就是通常所說的Lamb波或者導波檢測技術的基本原理，其不僅可以同時檢測結構內部和表面的損傷，而且利用少量傳感器就可以檢測較大范圍?；谶@些特性和優(yōu)點，Lamb波非常適合應用于風機葉片的結構健康監(jiān)測中［8－9］。

1 Lamb波損傷檢測

1.1 Lamb波基本理論

Lamb波的概念最早由H.Lamb在1917年提出。在無限均勻、各向同性彈性介質中，只存在縱波和橫波兩種波，二者分別以各自的特征速度傳播而無波形耦合。而在板中則不然，在板的某一點上激勵聲波，聲波傳播到板的上、下界面時，將會在交界面處多次反射回板中，從而沿著平行板面的方向傳播。被反射時伴隨著模式轉換，并且會發(fā)生相互干涉，經過在板內傳播一段時間之后，因疊加而產生波包，即所謂板中Lamb波的模式。本質上，Lamb波是在具有兩個平行平面的結構中由橫波和縱波相互耦合而產生的一種彈性波［10］。

Lamb波在板中傳播時，板中質點產生振動，其振動方式十分復雜，隨各種參數（頻率、板厚等）的變化而變化。根據薄板兩表面質點的振動相位關系，可以把Lamb 波的模式分為對稱（symmetric modes）和反對稱（anti－symmetric modes）兩種，對稱波又可分為S0，S1，…，Sn等多個模式，反對稱波又分為A0，A1，…，An等多個模式，即是Lamb波的多模式特性。對稱模式和反對稱模式可分別表達如下：

式中：h、k、cL、cT、cp、ω分別為板 厚、波 數、縱波波速、橫波波速、相速度和圓頻率。

從式（1），（2）可以看出，波速與頻率相關，即Lamb波的速度隨頻率的變化而發(fā)生改變，這也是Lamb波的另一個重要特性——頻散，且各個模式都存在頻散現象［11－12］。

Lamb波的多模式和頻散特性使得信號的復雜程度大大增加，因此，通常會選取特定的激勵頻率來減少激發(fā)出的Lamb波模式，實際檢測中一般選用基本模式S0和A0［13］。

1.2 Lamb波換能器

激勵和接收Lamb波的換能器有很多種，例如壓電換能器、磁致伸縮換能器、LBU（laser－based ultrasonics）和光纖傳感器等。其中，壓電換能器由于其有可以同時進行電能和機械能之間相互轉換的特性以及較高的能量轉換效率和低功耗、頻響范圍寬、尺寸制作靈活等優(yōu)點，而成為導波檢測中最常用的換能器。目前應用最多的壓電材料是壓電陶瓷（PZT）和壓電聚合物（PVDF）兩類，壓電陶瓷（PZT）是一種脆性材料，在使用過程中需要特別注意，避免發(fā)生碎裂；相反，壓電聚合物薄膜（PVDF）的柔韌性較好，操作方便，但由于其逆壓電性能較弱，一般只用做傳感器［11，14－15］。另外，磁致伸縮換能器在Lamb波檢測中也有著較為廣泛的應用。

1.3 激勵信號參數

1.3.1 頻率

最佳中心頻率可以通過分析頻散曲線和試驗來確定。頻散曲線表示的是脈沖頻率和波速之間的相互關系，不同中心頻率的激勵信號會激發(fā)出不同的Lamb波模式，在較低頻率下可激發(fā)的Lamb 波傳播模式相對較少，有利于響應信號的分析處理。同時，低頻所對應的波速也較小，有利于激發(fā)信號和接收信號的區(qū)分。但是，在低頻下頻散曲線的上升下降變化快，即波速對頻率變化敏感，這給波傳播時間的計算造成困難。較高激發(fā)頻率下則與上述情形相反［16］。在確定了激振頻率的大致范圍以后，通過試驗觀察，響應信號幅值最大情況下所對應的頻率即為最佳中心頻率［11］。

1.3.2 幅值

理論上，增大激勵信號的幅值可提高信號的信噪比（SNR），以便獲得更清楚更干凈的信號。但是驅動電壓的幅值也不能無限增大，那會導致信號發(fā)生漂移現象，不利于數據采集系統(tǒng)的信號接收。另外對于一個結構健康監(jiān)測系統(tǒng)來說，它必須盡量滿足低功耗要求，這樣才具有發(fā)展?jié)摿Γ?7］。

1.3.3 周期數

確定一個合適的周期數必須從頻域和時域兩個方面綜合考慮。Lamb波信號的周期數越多，其頻帶越窄，而頻帶越窄，信號的發(fā)散現象就越小。但是，如果信號周期數多，信號的長度必然增長，在邊界反射較多的情況下，信號容易發(fā)生混疊，造成模式識別困難。因此，信號的周期數不能太短，也不能太長［17－18］。

1.3.4 波形

激勵信號一般選取正弦信號，因為它是周期性的、平滑的。同時，對正弦信號加窗可以縮小帶寬和減少能量泄漏［19］。

1.4 Lamb波信號處理和損傷特征提取

能否對所采集到的Lamb波信號進行正確、有效地處理和解釋直接決定著基于Lamb波的結構健康監(jiān)測的應用效果。但是，由于受信號采集過程中采集系統(tǒng)外部和內部各種因素的影響，采集到的信號中必然夾雜著許多不能反映結構真實狀態(tài)的成分，從而導致損傷特征提取困難，影響識別效果。因此，就需要對接收信號做預處理和去噪，剔除混雜在信號中的干擾和噪聲。信號預處理主要包括采樣數據標定、消除趨勢項和采樣數據的平滑處理等，Lamb 波檢測中通常利用小波變換去除噪聲［9，11，20－22］。

特征值是從信號中提取的一些特征參數，這些參數須能夠很好地表征待測結構的不同狀態(tài)。在導波檢測中，根據特征值所處域的不同，可以將損傷特征提取的方法分為三類：時域分析法、頻域分析法和時頻域分析法。

1.4.1 時域分析法

時域信號分析方法主要包括時域信號波形參數及時域信號統(tǒng)計參數的提取，這些參數主要有信號到達時間、峰值、能量、均值、均方值、方差等［10］。VALDES等［23］利用Lamb波信號的到達時間來定位復合材料梁中的分層損傷，PARK 等［24］運用時域信號的互相關分析來確定基準信號和接收信號的線性相關程度。

1.4.2 頻域分析法

頻域分析法主要是通過傅立葉變換，將監(jiān)測到的信號從時域變換到頻域，進行頻域特征提取。TAYLOR 等［25］首先利用快速傅立葉變換（FFT）將接收到的信號從時域轉換到頻域，然后計算信號在特定頻率范圍內的能量，以此為參數來識別風機葉片中的損傷。

1.4.3 時頻分析法

為了克服單獨時域或者頻域分析的缺點，就需要引進時頻聯合分析的方法，這些方法主要有：短時傅立葉分析（STFT）［26］、WVD 分 布［27］、小波變換（WT）分析［28］和希爾伯特－黃變換（HHT）［29］等。

1.5 Lamb波損傷檢測算法

損傷檢測是依據所建立的信號特征與缺陷之間的對應關系，由Lamb波信號中所提取的信息推斷出缺陷的參數，如位置、形狀和嚴重程度等，這種檢測損傷的推斷過程是一個典型的逆過程。近幾年來用于診斷、分類和識別領域的逆算法迅速發(fā)展起來，這些算法主要有基于TOF（Time of Flight）的三角定位算法［30－31］、時間反轉算法［32－34］、Lamb波層析成像技術［35］、基于可能性評估的損傷診斷技術［36－38］、基于相控陣的損傷識別方法［39－40］、基于損傷指數（Damage Index，DI）的推斷方法［41－42］和人工智能技術［43－45］等。

一般來說，基于TOF 的三角定位算法多被應用于定位簡單結構損傷的二維位置?；贒I的推斷方法可以應用于復雜結構的損傷檢測，并可用于評估損傷的嚴重程度。時間反轉方法和基于相控陣的損傷檢測方法還可以有效地提高導波信號的信噪比（SNR），提高損傷檢測的精度，并且時間反轉方法不依賴于基準波信號，大大避免了環(huán)境因素的變化對檢測精度的影響?；诔上窦夹g的損傷識別方法的明顯優(yōu)點是可以直觀地描繪缺陷。人工智能技術包括人工神經網絡（ANN）、遺傳算法（GA）和貝葉斯推理（BI），實際案例已經證明了其檢測損傷的有效性，但是該技術的計算過程較為復雜。總之，無論運用何種損傷檢測算法，核心工作都是把從傳感器網絡中所提取的信號特征進行有效的分析和數據融合［46］。

2 Lamb波檢測法在風機葉片結構健康監(jiān)測中的應用

2.1 風力發(fā)電機葉片

風力發(fā)電機是把風能轉化為機械能，再把機械能轉化為電能的動力機械。國內外風力機的結構形式繁多，根據風輪的結構及其在氣流中的位置大體上可分為兩大類：垂直軸風力機和水平軸風力機，目前應用較多的是水平軸風力發(fā)電機。一般情況下，一個水平軸風力發(fā)電機有三個葉片，這三個葉片是風輪最主要的組成部分，是風力發(fā)電機源動力輸入的首要載體，它們不僅決定了風輪性能的好壞，而且還決定了風力發(fā)電機組整體性能的好壞和利用價值。風機葉片的性能主要由兩個方面的因素決定：葉片結構和組成材料［5，47］。

葉片剖面基本上采用蒙皮加主梁的構造形式。主梁可采用整體箱型梁形式，也可用雙槽鋼形式或加強肋結構。在后緣空腹處，采用夾層結構。葉片大部分彎曲荷載由主梁承擔，蒙皮起氣動外形作用，并可承擔部分荷載。除此以外，葉片尺寸大小也是葉片結構設計中需要著重考慮的一個重要問題。為了提高風能利用率，獲得更好的經濟效益，風力機的單機容量越來越大，葉片尺寸規(guī)模也相應增長。葉片的尺寸增大以后，其所承受的荷載水平、與機箱和塔筒等之間的相互作用也更趨復雜，這些都會對葉片的服役安全產生重要影響［5，48］。

葉片的組成材料對葉片的性能也有著非常重要的影響，比如影響葉片的重量、葉片的損傷機理以及疲勞壽命等。葉片發(fā)展初期，由于葉片較小，有木葉片、布蒙皮葉片、鋼梁玻璃纖維蒙皮葉片、鋁合金葉片等等。隨著葉片向大型化方向發(fā)展，復合材料逐漸取代其他材料而成為大型葉片的唯一可選材料。玻璃纖維增強塑料（GFRP）是現代風機葉片最普遍采用的復合材料，GFRP以其低廉的價格，優(yōu)良的性能占據著大型風機葉片材料的統(tǒng)治地位［5，49］。

風力發(fā)電機組在工作過程中，葉片要承受強風載荷、砂粒沖刷、紫外線照射、大氣氧化與腐蝕、雷擊等外界因素的作用。在這些因素的單獨或綜合作用下，葉片容易出現表層膨脹剝離、膠合層脫粘、層合板分層等多種形式的損傷。較易出現這些損傷的位置主要有：①葉片根部。②距葉片根部30%～35%和70%葉片長度位置處。③弦長最大位置處。④主梁和主梁帽外層［3，50］。

因此，在將Lamb波方法應用于風機葉片的結構健康監(jiān)測時，應根據葉片的實際結構形式和組成材料特性以及葉片的常見損傷形式和易損部位，合理選用和優(yōu)化布置換能器，合理優(yōu)化激勵信號，合理選取信號處理方法和損傷識別算法。

2.2 應用現狀

近年來，國內外相關學者相繼開展了Lamb波檢測技術在風電葉片的早期損傷預報和結構健康監(jiān)測方面的研究工作。

休斯頓大學的宋鋼兵和哈爾濱工業(yè)大學的李惠等人［51］設計了一個基于壓電陶瓷的風機葉片結構健康監(jiān)測無線傳感網絡（WSN）。該無線傳感網絡由嵌入式壓電陶瓷（PZT）傳感器和無線通信系統(tǒng)組成，工作時，電腦通過無線節(jié)點控制其中一個壓電陶瓷（PZT）片來激勵產生特定的Lamb波，再由分布在葉片其他位置處的壓電陶瓷（PZT）片接收響應信號，然后將接收到的信號由傳感器節(jié)點通過無線通信系統(tǒng)傳送到電腦進行分析處理。為了準確地評估風機葉片的損傷狀態(tài)和損傷程度，還提出了一個基于小波包分析的損傷指標和損傷矩陣。最后，通過試驗驗證了所提方法的有效性。但是在試驗過程中只是對簡單的人工模擬的溝槽損傷進行了識別。

TAYLOR［25，52］等人為了測試所提出的風機葉片結構健康監(jiān)測系統(tǒng)的性能，對一個CX－100型葉片進行了將近三個月、850萬次的疲勞加載試驗，在整個疲勞加載過程中，該結構健康監(jiān)測系統(tǒng)對測試葉片的實時狀態(tài)持續(xù)進行監(jiān)測。此風機葉片結構健康監(jiān)測系統(tǒng)主要是基于三種方法設計而成的，這三種方法分別是模態(tài)分析、Lamb波檢測和散射波場法。其中Lamb波檢測中所用的信號分析和處理方法是主成份分析（PCA）和接收信號能量分析，測試結果表明，PCA 方法可以很好地識別和定位完全型的損傷，但對于過渡階段的損傷識別效果不佳；信號能量分析方法對完全型損傷的識別效果也較好，但由于基準數據測量受環(huán)境工況變化影響，湮沒了某些由于結構損傷而造成的接收信號能量的變化，使得對于一些較小的、處于過渡階段的損傷的識別效果也欠佳。

RAI?UTIS等人［53］首先利用數值方法繪制出了試驗風機葉片結構板的頻散曲線，根據該頻散曲線選取290kHz作為激振頻率，然后利用Lamb波損傷成像技術對人工模擬的兩個直徑分別為19mm和49mm 的圓形損傷進行了檢測。檢測結果表明，該技術不但可以識別出模擬損傷的幾何形式，而且還可以估算出損傷的大概尺寸。

LIGHT－MARQUEZ等［54］提出了三種基于壓電傳感器的風機葉片結構健康監(jiān)測方法，分別是Lamb波法、頻響函數法和基于時間序列分析的方法。為了驗證和對比這三種方法，從9m 長CX100型葉片上截取了1 m 的一段進行了試驗研究。在Lamb波方法中，開發(fā)了一個用戶界面來控制激勵信號的參數，并在葉片表面粘貼了四個壓電片來激勵和接收Lamb 波。由于該葉片截面形式較為復雜，只能通過試驗來確定激勵信號的最優(yōu)頻率，測試時損傷由一塊粘貼于葉片表面的工業(yè)膩子來模擬。在確定了最優(yōu)頻率以后，為了使得試驗更接近真實情況，進行了多種環(huán)境和工況下的基準信號采集，隨后進行了損傷檢測。檢測過程中將采集到的損傷信號和之前的基準信號先轉換到頻域，然后對它們進行頻域互相關分析，還設計了一個損傷指標，該損傷指標是用1減去互相關函數的最大值，試驗結果證明該指標能夠較好地表征結構中的損傷情況。整個試驗研究說明，這三種方法都能夠有效識別葉片結構中的損傷，相較于其他兩種方法，Lamb波方法只能識別位于作動傳感路徑上或者附近的損傷，這一特性也可用來確定損傷的位置。

MAKAYA 等［55］通過試驗研究和理論分析說明了Lamb波在不同特性的復合材料板中的傳播特性以及Lamb波法識別葉片不同材料膠合處脫膠損傷的可行性。試驗時選取了兩塊玻璃纖維增強復合材料（GFRP）板和一個風機葉片實物模型作為試驗試件，第一塊GFRP 板是準各向同性板，第二塊是雙向板，而葉片實體模型由玻璃纖維增強復合材料（GFRP）和碳纖維增強復合材料（CFRP）兩種材料組成。研究過程中首先通過試驗測定的方法繪制出了兩塊GFRP板的頻散曲線，發(fā)現在0～300kHz范圍內，雙向GFRP 板中激發(fā)出的Lamb波模式要多于準各向同性GFRP 板；在準各向同性GFRP 板中，Lamb波基本模式S0和A0與纖維取向獨立無關，而在雙向GFRP板中則不然，S0模式受纖維取向的影響。在葉片實體模型的翼梁帽處人工模擬了一個250mm×250mm 的脫膠損傷，試驗結果表明利用Lamb波損傷成像方法能夠很好地識別該損傷。

3 結語

（1）風機葉片結構的幾何形式和材料特性復雜，其所處的自然環(huán)境相對惡劣，這些都給監(jiān)測信號帶來諸多困難，所以今后在信號處理算法和傳感器封裝方法方面要進一步加強研究。

（2）信號的無線傳輸和監(jiān)測系統(tǒng)的能量采集供應方面也需要進行研究。

（3）在狀態(tài)識別過程中，通過嚴格的統(tǒng)計分析建立合理的閾值是非常必要的。

（4）Lamb波法是一種局部的損傷識別方法，在使用過程中，須和其他方法（例如聲發(fā)射、振動分析等）結合使用，以便實現對整個葉片的全局監(jiān)測。

（5）損傷后的風機葉片一般通過機械緊固或者在損壞處粘貼金屬或復合材料板的方式進行修補，但是目前缺乏快速有效的修補效果檢測評價方法，今后在此方面也需要加強研究。

［1］WWEA.Key statistics of world wind energy report 2013［EB／OL］［2014－12］.http：／／www.wwindea.org／home／index.php.

［2］CWEA.2013年中國風電裝機容量統(tǒng)計［R］.中國可再生能源學會風能專業(yè)委員會，2014.

［3］CIANG C C，LEE J R，BANG H J.Structural health monitoring for a wind turbine system：a review of damage detection methods［J］.Measurement Science and Technology，2008，19（12）：1－20.

［4］Caithness Windfarm Information Forum.Accident statistics ［EB／OL］.［2014－12］.http：／／www.caithness windfarms.co.uk／.

［5］YANG B，SUN D.Testing，inspecting and monitoring technologies for wind turbine blades：A survey［J］.Renewable and Sustainable Energy Reviews，2013，22：515－526.

［6］陳雪峰，李繼猛，程航，等.風力發(fā)電機狀態(tài)監(jiān)測和故障診斷技術的研究與進展［J］.機械工程學報，2011（9）：45－52.

［7］GHOSHAL A，SUNDARESAN M J，SCHULZ M J，et al.Structural health monitoring techniques for wind turbine blades［J］.Journal of Wind Engineering and Industrial Aerodynamics，2000，85（3）：309－324.

［8］解維華，湯珺，張博明，等.基于Lamb的金屬薄板損傷主動監(jiān)測技術研究［J］.壓電與聲光，2008（3）：349－352.

［9］RAGHAVAN A，CESNIK C E S.Review of guidedwave structural health monitoring［J］.Shock and Vibration Digest，2007，39（2）：91－116.

［10］袁慎芳.結構健康監(jiān)控［M］.北京：國防工業(yè)出版社，2007.

［11］SU Z，YE L，LU Y.Guided Lamb waves for identification of damage in composite structures：A review［J］.Journal of Sound and Vibration，2006，295（3）：753－780.

［12］KESSKER S S，SPEARING S M，SOUTIS C.Damage detection in composite materials using Lamb wave methods［J］.Smart Materials and Structures，2002，11（2）：269－276.

［13］LIU X，ZHOU C，JIANG Z.Damage localization in platelike structure using built－in PZT sensor network［J］.Smart Structures and Systems，2012，9（1）：21－33.

［14］RAGHAVAN A，CESNIK C E S.Review of guidedwave structural health monitoring［J］.Shock and Vibration Digest，2007，39（2）：91－116.

［15］李傳兵，廖昌榮.壓電智能結構的研究進展［J］.壓電與聲光，2002（1）：42－46.

［16］KESSLER S S，SPEARING S M，SOUTIS C.Damage detection in composite materials using Lamb wave methods［J］.Smart Materials and Structures，2002，11（2）：269－278.

［17］李迎.復合材料無損檢測中Lamb波的優(yōu)化［J］.聲學技術，2011（3）：232－236.

［18］YUAN S，XU Y，PENG G.New developments in structural health monitoring based on diagnostic Lamb wave［J］.Journal of Material Science ＆Technology，2004，20（5）：490－496.

［19］KESSKER S S，SPEARING S M，SOUTIS C.Optimization of lamb wave methods for damage detection in composite materials［J］.Technology Laboratory for Advanced Composites Department of Aeronautics and Astronautics Massachusetts Institute of Technology，SHM－2001，2001.

［20］YU L，BAO J，GIURGIUTIU V.Signal processing techniques for damage detection with piezoelectric wafer active sensors and embedded ultrasonic structural radar［C］.［S.l］：［s.n］，2004：492－503.

［21］RIZZO P，SCALEA F L.Discrete wavelet transform to improve guided－wave－based health monitoring of tendons and cables［C］.［S.l］：［s.n］，2004：523－532.

［22］KERCEL S W，KLEIN M B，POUET B F.Wavelet and wavelet－packet analysis of Lamb wave signatures in laser ultrasonics［C］.［S.l］：［s.n］，2000：308－317.

［23］VALDES S H D，SOUTIS C.A structural health monitoring system for laminated composites［J］.Proceedings of DETC，2001：2013－2021.

［24］PARK S，ANTON S R，KIM J K，et al.Instantaneous baseline structural damage detection using aminiaturized piezoelectric guided waves system［J］.KSCE Journal of Civil Engineering，2010，14（6）：889－895.

［25］TAYLOR S G，JEONG H，JANG J K，et al.Full－scale fatigue tests of CX－100wind turbine blades.Part II：analysis［C］.SPIE Smart Structures and Materials＋Nondestructive Evaluation and Health Monitoring.International Society for Optics and Photonics，2012.

［26］MAHADEV P S，VINU K R，BALASUBRAMANIAM K，et al.Imaging of defects in composite structures using guided ultrasonics［C］.［S.l］：［s.n］，2003：700－703.

［27］PROSSER W H，SEALE M D，SMITH B T.Time–frequency analysis of the dispersion of lamb modes［J］.Journal of the Acoustical Society of America，1999，105（5）：2669－2676.

［28］LEMISTRE M，BALAGEAS D.Structural health monitoring system based on diffracted lamb wave analysis by multiresolution processing［J］.Smart Materials and Structures，2001，10（3）：504－511.

［29］OSEGUEDA R A，KREINOVICH V，NAZARIAN S，et al.Detection of cracks at rivet holes in thin plates using Lamb－wave scanning［C］.NDE for Health Monitoring and Diagnostics.International Society for Optics and Photonics，2003：55－66.

［30］DIAMANTI K，SOUTIS C，HODGKINSON J M.Lamb waves for the non－destructive inspection of monolithic and sandwich composite beams［J］.Composites Part A：Applied science and manufacturing，2005，36（2）：189－195.

［31］HARRI K，GUILLAUME P，VANLANDUIT S.Online damage detection on a wing panel using transmission of multisine ultrasonic waves［J］.NDT＆E International，2008，41（4）：312－317.

［32］PARK H W，SOHN H，LAW K H，et al.Time reversal active sensing for health monitoring of a composite plate［J］.Journal of Sound and Vibration，2007，302：50－66.

［33］WANG C H，ROSE J T，CHANG F K.A synthetic time－reversal imaging method for structural health monitoring［J］.Smart Materials and Structures，2004，13：415－423.

［34］XU B，GIURGIUTIU V.Single mode tuning effects on Lamb wave time reversal with piezoelectric wafer active sensors for structural health monitoring［J］.Journal of Nondestructive Evaluation，2007，26：123－134.

［35］張海燕，呂東輝，袁瀚貝.超聲波檢測中的蘭姆波層析成像［J］.聲學技術，2004，3（2）：138－145.

［36］WANG D，YE L，LU Y，et al.A probabilistic diagnostic algorithm for identification of multiple notches using digital damage fingerprints（DDFs）［J］.Journal of Intelligent Material Systems and Structures，2009，20（12）：1439－1450.

［37］WANG D，YE L，LU Y，et al.A damage diagnostic imaging algorithm based on the quantitative comparison of Lamb wave signals［J］.Smart Materials and Structures，2010，19（6）：1－12.

［38］WANG D，YE L，SU Z，et al.Probabilistic damage identification based on correlation analysis using guided wave signals in aluminum plates［J］.Structural Health Monitoring，2010，9（2）：133－144.

［39］孫亞杰，袁慎芳，蔡建.基于超聲相控陣的材料結構健康監(jiān)測實驗研究［J］.宇航學報，2008，29（4）：1393－1396.

［40］孫亞杰，袁慎芳，邱雷，等.基于Lamb 波相控陣和圖像增強方法的損傷監(jiān)測［J］.航空學報，2009，30（7）：1325－1330.

［41］ZHAO X，GAO H，ZHANG G，et al.Active health monitoring of an aircraft wing with embedded piezoelectric sensor／ actuator network：I.Defect detection，localization and growth monitoring ［J］.Smart Materials and Structures，2007，16（4）：1208－1217.

［42］ZHAO X，QIAN T，MEI G，et al，Active health monitoring of an aircraft wing with an embedded piezoelectric sensor／actuator network：II.Wireless approaches ［J］.Smart Materials and Structures，2007，16（4）：1218－1225.

［43］LU Y，YE L，SU Z，et al.Artificial neural network（ANN）－based crack identification in aluminum plates with Lamb wave signals［J］.Journal of Intelligent Material Systems and Structures，2009，20：39－49.

［44］CHOU J H，GHABOUSSI J.Genetic algorithm in structural damage detection ［J］.Computers ＆Structures，2001，79（14）：1335－1353.

［45］WANG X，FOLIENTE G，SU Z，et al.Multilevel decision fusion in a distributed active sensor network for structural damage detection［J］.Structural Health Monitoring，2006，5（1）：45－58.

［46］苗曉婷.基于導波的結構健康監(jiān)測中特征提取技術與損傷識別方法的研究［D］.上海：上海交通大學，2011.

［47］顧怡紅.風力發(fā)電機葉片優(yōu)化設計方法研究［D］.杭州：浙江大學，2014.

［48］陳余岳，張錦南.玻璃鋼／復合材料風力機葉片的開發(fā)［J］.纖維復合材料，2007（4）：371－374.

［49］李軍向，薛忠民，王繼輝，等.大型風輪葉片設計技術的現狀與發(fā)展趨勢［J］.玻璃鋼／復合材料，2008（1）：48－52.

［50］李成良，王繼輝，薛忠民，等.大型風機葉片材料的應用和發(fā)展［J］.玻璃鋼／復合材料，2008（4）：328－336.

［51］SONG G，LI H，GAJIC B，et al.Wind turbine blade health monitoring with piezoceramic－based wireless sensor network［J］.International Journal of Smart and Nano Materials，2013，4（3）：150－166.

［52］FARINHOLT K M，TAYLOR S G，PARK G，et al.Full－scale fatigue tests of CX－100 wind turbine blades.Part I：testing［C］.［S.l］：［s.n］，2012：1236－1243.

［53］RAI?UTIS R，JASIūNIENé E，?ukauskas E.Ultrasonic NDT of wind turbine blades using guided waves［J］.Ultrasound，2008，63（1）：7－11.

［54］LIGHT－MARQUEZ A，SOBIN A，PARK G，et al.Structural damage identification in wind turbine blades using piezoelectric active sensing［J］.Structural Dynamics and Renewable Energy，2011，3（2）：55－65.

［55］MAKAYA K，BURNHAM K，CAMPOS C.Assessment of defects in wind and tidal turbine bladesusing guided waves ［J］.Smart Materials and Structures，2011，16（4）：1211－1217.