基于模态应变能识别复合材料结构损伤的遗传-神经网络法

提出了一种基于模态应变能识别复合材料结构损伤的遗传-神经网络法.采用单元模态应变能改变率作为结构损伤标识量,对损伤结构进行损伤识别仿真.采用混合编码遗传算法对BP神经网络进行拓扑优化,构成遗传-神经网络,并使用其识别复合材料机翼结构损伤的位置和程度. 算例表明,本方法具有高效、稳定的特点,有着很好的推广应用价值.     

温度变化下基于兰姆波的复合材料结构损伤识别(英文)

提出了一种基于兰姆波的两步识别方法,对温度变化下复合材料结构内部损伤进行监测和识别。首先采用统计偏值分析方法来判别传感器网络监测到的兰姆波信号变化是由损伤引起还是由温度变化引起,从而确定损伤是否发生。在对兰姆波进行傅里叶变换后,从统计角度定义损伤指标以考虑温度变化的影响,并采用蒙特卡罗方法计算无损状态下损伤指标的阈值。如果在运行状态下获得的损伤指标超过了阈值,则认为损伤发生。然后采用损伤存在概率成像方法融合多个激励-接收路径上的损伤指标信息生成诊断图像实现损伤位置识别。对温度变化下的加筋复合材料壁板试件进行的实验研究表明了所提出方法的有效性。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

结构健康监测系统中的频率响应方法

本文就频率响应方法在结构健康监测系统中的应用进行研究。运用有限元方法计算了圆形通孔与分层两种损伤对复合材料结构动态特性的影响,尝试利用RBF(径向基函数)神经网络对损伤进行识别与定位,并取得不错的结果;对频率响应方法在结构健康监测系统中应用的可行性及其在健康监测系统中的应用进行讨论。     

基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

识别结构模态参数的Prony方法

该文讨论利用多点自由衰减响应测量数据识别结构模态参数的Prony识别方法。为了解决噪声干扰情况下的参数估计有偏性和定阶问题,采用了扩阶特征矩阵法的思想。文中对Prony模态参数识别方法的理论和实施过程进行了阐述,并应用Prony方法对某仪器舱模型进行了模态参数识别。     

基于TOP-HAT滤波器算子的红外弱小目标检测算法

针对红外序列图像中运动弱小点目标的检测问题,设计了一种基于改进神经网络优化的修正Top-Hat形态学滤波器算子.其中形态学滤波器的结构元素采用两层前馈神经网络,通过大量样本训练优化,将Top-Hat运算作为一个整体当作一层,输出层节点定义为Top-Hat运算后图像矩阵的最大值.实测数据的处理结果表明:针对低信噪比(RSN≈2)图像,在虚警概率≤5%情况下,优化的修正Top-Hat形态学滤波器算子对复杂图像检测概率≥75%,与固定结构元素的Top-Hat形态学滤波器相比检测概率提高了近8%,算法的运算时间仅增加了0.7ms.     

一种新型人工神经网络的实现与改进——概率逻辑神经网络

概率逻辑神经网络模型是一新兴的神经网络模型,它不仅具有较快的训练速度,而且具有“自退火”性能,并易于硬件实现,从而成功地克服了误差反向传播(BP)模型的训练时间长,易于陷于局部最小点的弱点。本文将给出概率逻辑神经网络(PLNN)的一般结构、学习算法及其模拟实现的情况。并由此推广到多层联想网络的实现与分析,最后给出了PLNN与BP的比较结果。     

结构系统概率-模糊-非概率混合可靠性分析

为了有效地处理结构系统的混合可靠性问题,基于模糊随机可靠性模型及非概率集合可靠性模型,本文建立了结构概率模糊非概率混合可靠性模型.该模型认为结构的极限状态方程所涉及的变量中,既有模糊随机变量,又有区间变量.通过非概率集合可靠度的建立及模糊随机可靠度分析,定义了结构的混合可靠度.进一步借鉴随机结构系统可靠性分析中的增量载荷法,对结构系统概率模糊非概率混合可靠性进行了分析.最后,通过两个典型算例证明了所提出模型的有效性和实用性.     

Identification of Time-Varying Modal Parameters for Thermo- Elastic Structure Subject to Unsteady Heating

A time-varying modal parameter identification method combined with Bayesian information criterion （BIC） and grey correlation analysis （GCA） is presented for a kind of thermo-elastic structures with sparse natural frequencies and subject to an unsteady temperature field. To demonstrate the method, the thermo-elastic structure to be identified is taken as a simply-supported beam with an axially movable boundary and subject to both random excitation and an unsteady temperature field, and the dynamic outputs of the beam are first simulated as the meas- ured data for the identification. Then, an improved time-varying autoregressive （TVAR） model is generated from the simulated input and output of the system. The time-varying coefficients of the TVAR model are expahded as a finite set of time basis functions that facilitate the time-varying coefficients to be time invariant. According to the BIC for preliminarily determining the scope of the order number, the grey system theory is introduced to determine the order of TVAR and the dimension of the basis functions simultaneously via the absolute grey correlation degree （AGCD）. Finally, the time-varying instantaneous frequencies of the system are estimated by using the recursive least squares method. The identified results are capable of tracking the slow time-varying natural frequencies with high accuracy no matter for noise-free or noisy estimation.     

基于TAAM机场终端区容量评估方法研究

本文先给出了终端区容量的定义及终端区容量评估的难点,然后系统地介绍了TAAM仿真方法,并以某机场终端区系统进行仿真,在考虑终端区系统自身复杂性和影响因素随机性的情况下,对某机场终端区容量的大小进行评估。最后对仿真结果给出的不同情况下的运行架次和延误情况进行统计分析,找出影响终端区容量的不同因素及其影响程度。仿真结果验证了评估方法的可行性。     

An Adaptive Transmission Scheme for Deep Space Communication

Deep space communication is quite different from conventional ground communication due to its time-varying,complexity and large signal delay,which consequently affects communication quality and system efficiency.Adjusting the transmission parameters when the channel environment changes during the communication can guarantee the performance index of the system,and therefore improve communication efficiency. An adaptive transmission scheme of transceiver based on Consultative Committee for Space Data Systems(CCSDS)protocols is proposed in this paper. According to the variation of the deep space channel,the symbol rate of transmission data is adjusted dynamically by estimating the signal-to-noise ratio(SNR) of the receiver in real time and adjusting the channel environment. This scheme can improve the channel utilization and system throughput under the premise of limiting the system bit error rate. Furthermore,this scheme is successfully implemented in Xilinx Virtex-5 FPGA board.     

空心圆柱试样试验仪及其递推辨识建模

介绍了空心圆柱试样试验仪的总体结构及加载原理，以及在连续加载试验的条件下系统定量分析所必须解决的系统建模等问题的重要性，简述了采用递推增广最小二乘法对随机、时变和非线性系统实现在线、实时递推辨识建模的原理和以ＩＢＭ－ＰＣ／ＸＴ计算机为核心实现计算机辅助递推辨识的原理和方法、递推辨识系统的硬件构成以及为提高递推辨识速度和精度在软件过程中采用的处理技术，讨论了该递推辨识系统在空心圆柱试样试验仪控制试验中的应用及其实际效果。     

2.4m风洞常压吹风控制策略与控制软件设计

2.4m风洞是世界上最大的引射式风洞之一,该风洞控制系统多、所能实现的吹风方式也多,因而,其系统复杂。风洞被控对象具有非线性、时变、滞后和耦合特性,而风洞试验又要求系统有较高的控制精度和较快的稳定收敛速度。为了解决这种控制系统复杂的风洞控制问题,在控制系统硬件和软件上分别采用了先进的集散型控制系统硬件和智能控制策略,使风洞p0和M数控制精度分别优于0.3％和0.002。笔者对风洞控制核心系统和控制软件的设计和控制策略进行了介绍。给出了调试结果说明了控制策略和控制软件的设计是成功的。     

基于时变需求的机票动态定价研究

机票定价是航空收益管理研究的一大核心和热点,对航空公司总收益有直接影响。为研究旅客需求受价格和时间两种因素影响下的定价问题,在基本连续动态定价模型的基础上,考虑旅客时变需求,研究和探讨了时变需求下动态定价模型的性质和相关定理,并进行了详细证明。该模型与非时变需求下的动态定价模型相比,某些性质和定理已不成立。此外,鉴于求解连续定价模型的复杂性,进一步探讨了价格集合为离散情况下的定价问题,并分别针对两等级票价以及多等级票价提出了有效的价格控制策略。最后,通过算例验证,对比分析了时变需求与非时变需求下的定价策略的有效性,结果表明前者能为航空公司带来更高的收益。     

直升机旋翼/机身耦合系统气动/机械稳定性分析新方法(英文)

研究了前飞状态下直升机旋翼 /机身耦合系统的气动 /机械稳定性问题。根据柔性多体系统动力学理论 ,通过构造一种 2 4自由度的刚柔混合单元得到旋翼 /机身耦合系统的周期时变运动方程 ,建模中考虑了桨叶预锥、后掠、中等弹性变形以及直升机机身和传动轴的弹性影响 ,体现出铰接式桨叶绕挥舞、摆振和变距铰的整体刚性运动与桨叶中等弹性变形之间的动力学耦合作用 ,推导中对桨叶挥舞、摆振和变距转角幅值未加任何限制。根据 Floquet理论对稳态周期解的稳定性进行研究 ,采用 Newmark直接数值积分方法得到转移矩阵。对某新型直升机的气动 /机械稳定性进行了分析 ,结果发现对于给定的前飞状态是稳定的 ,但是随着传动轴弯曲和扭转刚度的降低出现不稳定现象。     

允许多种形式参考输入的变结构控制系统设计的一种方法

基于变结构控制原理,本文提出了一种变结构控制系统的设计方法,它允许多种形式的参考输入。用此方法设计的变结构控制系统同样具有对参数变化和外界扰动的鲁棒性。文中算例证实了该方法的有效性。     

各向异性层合阻尼结构的BP集成神经网络模型设计

本文以各向异性层合阻尼结构为研究对象,设计一种基于BP集成神经网络的智能分析模型。该模型中的集成神经网络由两个子系统神经网络并联融合而成,学习算法主要采用Sigmoid函数。同时,该模型设计针对各向异性层合阻尼结构参数的扰动性问题综合采用结构模式归类、学习算法的改进、小波分析方法予以处理。计算结果表明:该BP集成神经网络模型,较好地解决了各向异性层合阻尼结构参数的扰动性问题,并能有效量化结构参数的变化影响。