在党建引领与科技强国战略的深度融合与指引下，河北大学质量技术监督学院教师第一党支部无损检测技术及仪器创新团队坚守科技报国初心，勇担复合材料检测领域创新使命，近日在超低温环境下纤维增强复合材料损伤声发射监测与评价研究中取得重大进展。相关成果“Cryogenic damage mechanism of CFRP laminates under bending load via in-situ fiber-optic acoustic emission and mode decomposition”发表于国际知名权威期刊《Composites Part B: Engineering》。该研究以河北大学为第一完成单位，苏益凡博士为论文第一作者，周伟教授与北京理工大学雷红帅教授、中国空间技术研究院高鸿主任共同担任通讯作者。

碳纤维增强聚合物基复合材料因其优异的性能，在航天器低温燃料贮箱、超导磁体支撑等尖端技术领域扮演着关键角色。然而，超低温极端环境极大地增加了材料内部损伤行为的复杂性，传统表征手段难以实现对其损伤演化过程的精准、实时原位监测，制约了相关结构的安全设计与可靠性评估。声发射技术虽具动态监测潜力，但常规压电传感器在极低温条件下性能显著衰退，成为技术瓶颈。

面对此挑战，教师第一党支部无损检测技术及仪器创新团队充分发挥党员科研骨干的攻坚克难精神，以科技赋能复合材料检测技术发展。他们创新性地采用原位光纤声发射测试系统，对碳纤维复合材料层合板在低至-150°C (123 K) 超低温条件下的弯曲损伤行为进行了精细研究。更为重要的是，团队构建了一套创新的损伤模式识别方法学，将先进的声发射信号模式分解分析与前沿深度学习算法相融合，从而深刻揭示了复合材料在极端低温环境下的损伤机理。

研究结果表明：

低温环境显著改变了复合材料的损伤起始与演化规律：不仅降低了损伤萌生的应变阈值，同时缩短了不同损伤模式相继触发的时间间隔，促使损伤发展更趋均匀化，增强了机械能耗散能力。

揭示了低温强度降低的关键因素：尽管低温在一定程度上增强了树脂基体与纤维界面的结合，但在123 K的极端低温下，基体材料的显著脆化导致其抗分层能力下降，这是复合材料宏观强度减弱的核心机制之一。

所开发的智能识别方法展现出卓越性能：改进后的损伤识别技术对四种关键损伤模式的分类准确率超过99%，并且成功挖掘并还原了以往难以捕捉的、与纤维/基体脱粘及纤维断裂相关的“隐藏”损伤信息。

此项研究不仅深化了对复合材料在超低温服役环境下损伤失效物理机制的科学认知，更重要的是，为未来重大低温工程装备（如大推力运载火箭、空间站等）的结构健康监测与实时安全评估，提供了由智能传感与人工智能算法共同驱动的创新性解决方案，充分体现了党建引领下科技创新面向国家重大战略需求、服务高端装备制造的强大赋能作用。

该研究得到了国家自然科学基金和河北大学无损检测技术及仪器创新团队等项目的支持。

原文链接：https://doi.org/10.1016/j.compositesb.2025.112994