碳纤维增强复合材料（carbon fiber reinforced polymer,CFRP）具有高比强度/模量、耐腐蚀及抗疲劳等优势,且在高温或者低温条件下,具有较高稳定性,在很多高端设备领域都有应用。但在制作和应用碳纤维增强复合材料过程中,不可避免的会出现各种各样的损伤,如何实现对损伤的健康检测显得尤为关键。电阻抗层析成像技术（Electrical impedance tomography,EIT）利用CFRP导电特性,可实现对其结构损伤检测。EIT技术具有成本低、非侵入和操作简便等优点,被广泛应用于工业多相流、医学成像、地质探测等领域。本课题利用EIT技术针对CFRP层压板结构损伤检测展开以下研究:（1）EIT图像重构过程存在严重病态性,通常采用正则化方法改善图像重建质量。本文提出了一种改进L1/2正则化算子的电阻抗层析成像算法,利用L1/2范数构建稀疏正则化罚函数,通过布雷格曼交替方向乘子法（Bregman alternating direction method of multiplier,BADMM）迭代算法对新目标函数进行求解。利用COMSOL有限元仿真软件构建四种典型的CFRP层压板结构损伤模型,将新算法与几种经典算法进行对比分析,仿真和实验结果验证了该算法的有效性,并具有良好的鲁棒性。（2）为提升CFRP材料损伤类型辨识度,缩短辨识时间,本课题结合EIT检测方法,提出了一种基于灰狼算法（gray wolf optimizer,GWO）优化极限学习机（extreme learning machine,ELM）的损伤辨识网络模型。仿真实验中构建三种类型不同程度CFRP层压板结构损伤模型,通过灰狼网络优化极限学习机的权值和阈值,实现对CFRP层压板结构损伤类型辨识,并将改进的GWO-ELM方法与传统BP、ELM、GA-BP、GA-ELM四种网络模型进行对比。结果表明,GWO-ELM网络模型损伤识别准确率最高,且抗噪声扰动能力强,具有很好的工程应用前景。（3）基于QT软件编译平台开发一套可视化电阻抗层析成像系统。软件系统主要功能包括:实时电压数据采集及波形显示、历史电压数据的存储、损伤图像灰度等值线的绘制、重建图像的实时显示。实际实验选用三种类型冲击损伤的CFRP层压板,利用LBP算法和Tikhonov算法完成对其图像重建,验证该系统的可视化效果与实时性。