基于神经网络的翼盒结构响应重构方法应用

翼盒结构复杂，航行中承载条件恶劣，利用有限测点信息重构其它位置响应对于实时健康监测具有很强的现实意义。通过误差反向传播神经网络训练得到响应之间的非线性关系，建立基于神经网络的响应重构方法，开展有限元分析对其进行数值仿真验证，并将该方法应用于实测随机激励环境下翼盒典型承力结构的响应重构及损伤定位与判断分析。结果表明：采用该方法重构出的预测响应功率谱密度的均方根相对误差不超过1.90 dB，主要频点误差小于10%；判断出翼盒关键测点e 的损伤或故障发生在所截取片段数据3 s 后，其故障特征频率为240 Hz 左右，该方法应用于响应重构预示及健康监测分析具有可行性。