飞艇骨架结构动态损伤识别方法

针对飞艇骨架结构中损伤引起的模态跃迁现象导致无法通过匹配损伤前后动态特性参数变化来识别损伤的难题,给出3种只基于损伤后振动响应信息进行损伤识别的动态方法。通过模态分析方法获得结构的模态参数,分别推导模态振型曲率法、均布载荷面曲率法和虚拟轴向应变法等3种损伤识别算法。定义损伤指标,并根据损伤指标局部峰值来识别和定位损伤杆件。以半硬式飞艇常见狭长构型三角截面碳纤维复合材料桁架为例,结合有限元法和自编MATLAB程序进行损伤识别仿真研究,影响参数包括损伤类型、损伤位置、损伤程度和噪声量级等,最后对损伤识别算法的有效性进行试验验证。结果表明新损伤识别方法对损伤敏感,在环境噪声工况下能准确识别和定位单个和多个损伤杆件。文中方法均基于结构整体振动信息进行损伤杆件识别,将来可用于构造飞艇骨架实时结构健康监测系统。     

基于FBG动态应变监测的金属结构损伤识别方法研究

结构关键部位早期损伤的识别对结构的安全性具有重要意义,损伤的早期发现可为结构的使用和维修提供及时的参考和支持。利用光纤光栅传感器对结构的动态应变进行测试,应用应变模态识别技术对结构局部的动态应变响应特征进行提取,并构建损伤识别指标,对结构的损伤位置和损伤程度进行识别。结果表明:动态应变响应特征对结构局部损伤敏感,同时损伤识别指标能够反映损伤区域以及损伤的程度,可为结构微小损伤的识别与定位提供技术方法。     

基于转角模态曲率的损伤识别研究

利用测量得到的模态参数,应用中心差分法求取振型曲率,用损伤前后同一位置的振型曲率变化作为结构损伤的识别指标。采用有限元方法,通过数值仿真,对不同位置发生损伤前后的悬臂梁进行仿真计算,得到其模态参数。利用构造的损伤识别指标对结构损伤情况进行识别研究。在前人研究的基础上,特别提出了利用角位移模态曲率变化来识别损伤位置。仿真算例表明：利用角位移模态曲率比平动位移模态曲率识别损伤的效果更好,精度更高。     

基于转角振型曲率的损伤识别

利用中心差分法求取振型曲率,用损伤前后同一位置的振型曲率变化来作为结构损伤的识别指标。采用有限元方法,通过数值仿真对不同位置发生损伤的悬臂梁进行分析,利用构造的的损伤指标对结构损伤情况进行识别研究。在前人的研究基础上,特别提出了利用角度位移振型曲率变化来识别损伤。仿真算例表明:利用角度位移振型比平动位移振型识别损伤的效果更好、精度更高。     

基于域自适应的复合材料结构损伤识别方法

深度学习模型能够辅助提高基于导波的复合材料结构损伤监测的可靠性，但需要大量的损伤样本。以大量的模拟损伤样本和少量的真实损伤样本为基础，设计一种基于域自适应的损伤识别模型，实现从模拟损伤识别向真实损伤识别能力的迁移。首先，通过粘贴质量块收集大量模拟损伤数据，设计卷积-时序混合神经网络，实现对模拟损伤的高准确率识别；然后，在模型中加入域自适应模块，使模拟损伤和真实损伤数据在特征空间内分布规律近似，进而在无需对真实损伤进行标注的情况下，实现准确识别。实验结果表明，该方法对真实损伤的检出准确率为85.7%,优于传统深度学习模型。     

基于导波传播模型的MUSIC损伤识别算法

针对结构健康监测领域的损伤近场定位问题,提出了适用于复合材料结构损伤识别的近场二维多重信号分类（MUSIC）损伤识别算法。该损伤识别算法将导波传播模型引入近场二维MUSIC损伤识别模型,构造损伤散射信号与实验差信号的互相关矩阵,通过信号子空间与噪声子空间正交特性构造近场二维MUSIC空间谱。通过数值仿真和实验验证了所提出的损伤识别算法能够有效地识别复合材料结构损伤位置信息,具有很高的定位精度和分辨率。针对飞机垂直尾翼的加强筋结构对导波传播特性影响较大的问题,提出了分区域监测的损伤检测策略,并利用基于导波传播模型的二维MUSIC空间谱损伤识别算法成功地识别飞机垂直尾翼结构损伤,实现了复杂复合材料结构损伤识别的工程验证。     

基于曲率模态法对飞机翼梁的损伤识别

基于曲率模态提出了一种对飞机翼梁的损伤识别分析方法,通过判断结构在损伤前后的曲率模态的变化,比对损伤的位置进行定位。文中提出利用孤立特征值的一阶摄动法求解损伤后曲率模态,能够通过无损振型计算出损伤后曲率模态的改变量,优化计算方法。为验证方法的有效性,将某一简支梁作为算例进行损伤识别,得到了较好的效果。识别结果还表明,曲率模态的变化比会随着损伤程度的增加而增大,利用这一性质能够初步判断结构的损伤程度。利用这一方法对某一整体式飞机翼梁进行了损伤识别,结果证明,这种方法能够迅速的对飞机翼梁上出现的损伤进行定位,并且通过判断曲率模态的变化比的大小,能够判断飞机翼梁的损伤的程度。     

利用振型变化进行结构损伤诊断的研究

 以悬臂梁为研究对象,在其上进行损伤模拟。应用有限元程序进行模态分析,模态分析的结果表明第一阶振型改变率对不同位置和程度损伤的敏感性。提出以第一阶振型改变率作为结构损伤识别的标识量。应用神经网络,成功地识别了损伤的位置和程度,指出其可行性。     

损伤定位中频率法的改进及应用

传统的基于频率的损伤定位指标是通过忽略结构运动摄动方程的二阶项得到的,用于结构的损伤位置识别可能导致误判.在对传统的基于频率的结构损伤位置识别机理进行了阐述基础上,理论推导改进的损伤定位指标.最后以复合材料悬臂梁进行数值模拟试验.试验结果表明,所建议的改进方法指标比原来方法指标更为有效.     

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

为通过声发射技术识别铝合金蜂窝板超高速撞击(HVI)的损伤状态,提出一种基于神经网络的损伤模式识别方法。通过超高速撞击实验获取声发射信号,结合精确源定位技术、时频分析技术、小波分析技术及模态声发射技术,提出了10个与损伤相关的特征参数,通过非参数检验分析其与损伤的关系,设计了一种基于贝叶斯正则化BP神经网络的超高速撞击损伤模式识别方法。建立最优网络模型,通过不同参数组合识别能力分析,优选出2种特征参数组合,通过非同源样本对其损伤模式识别能力进行验证。结果表明:传播距离与损伤模式无关,却是识别损伤模式的重要参数;125~250kHz频域的自动加窗小波能量比会降低损伤模式的识别能力;采用贝叶斯正则化的BP神经网络可以较好地识别蜂窝板超高速撞击损伤模式,参数组合为传播距离、上升时间、持续时间、截止频率、4个自动加窗小波能量比及小波能量熵,共9个参数,对任意选取非同源样本识别错分率仅为9.38%。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

基于粗糙集和BP神经网络的飞航导弹备件消耗规律预测

结合BP神经网络对飞航导弹备件进行消耗预测,提出了基于粗糙集和BP神经网络的预测法。该方法充分发挥了粗糙集在处理冗余数据上的优势,提高了预测速度和有效性。     

人工神经网络在板料拉深成形中的应用研究

在反向传播网络的基础上提出了一个圆筒件拉深成形的辅助工艺设计方案,对BP网络在拉深工艺中的应用进行了尝试。结果表明:该方法与传统的设计方法相比,计算工作量较少,可靠性好。     

基于概率神经网络的发动机故障诊断

 用反向传播神经网络 (BPNN)和概率神经网络 (PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较。仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性。此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

一种基于SVR的飞机巡航段油耗预测方法

针对飞机巡航段燃油消耗量预测问题,提出一种基于支持向量回归机(SVR:Support Vector Regression)的预测建模方法,并应用Grid-Search参数寻优法优化模型参数,基于真实QAR数据建立SVR预测模型,并从平方相关系数和平均绝对百分误差两个不同指标与BP神经网络模型的预测结果进行比较,比较结果表明:SVR预测模型的预测结果精度高。     

疲劳实验曲线拟合的神经网络方法

通过构造反向传播神经网络,对疲劳实验曲线进行学习,实现由神经网络表示的多维函数逼近。此种学习是一个慢速过程,但由这一逼近预测得出疲劳曲线则是一个快速过程。拟合结果表明,这一方法十分有效、稳定,便于使用。     

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的 CFD 分析,计算量大、耗时长。本文发展基于本征正交分解（POD）和反向传播神经网络（BPNN）的翼型反设计方法,该方法的优化过程如下：首先,通过 Hicks-Henne 参数化,在设计空间中构造翼型外形的样本库,并利用 Xfoil/Fluent 对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立 POD 模型,即两层 POD 模型,并得到对应的基模态系数;最后,使用 BPNN 建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明：在亚/跨声速状态,基于 200 个样本训练所得的两层 POD+BPNN 模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。     

BP神经网络在火灾烟气危害性分级中的应用

建筑物发生火灾时，燃烧产生的高热和有毒、有害气体对人构成很大威胁。本文利用ＢＰ神经网络对火灾烟气危害性进行分级，介绍了神经网络模型的结构、学习过程和算法。实例计算表明：利用神经网络对烟气危害性分级是合理可行的，具有一定的实用价值。