基于潜在成分和概率神经网络的时变结构系统的损伤识别

介绍了基于潜在成分(LC)分析和概率神经网络的损伤识别方法,并应用于一个实验室模型的损伤识别.结果表明,基于潜在成分(LC)分析和概率神经网络的损伤识别方法能在正常的时变质量情况下以较高的成功率对位于A或B处的某一损伤程度未知的损伤进行归类,为时变结构系统的定量损伤识别作出了有益的尝试.     

非线性参数识别的相关积分方法及其应用

使用相关积分方法解决单自由度非线性系统的参数识别问题。利用相关积分方法的滤波特性可以有效地抑制测量信号中的噪声影响，提高参数估计的精度。同时可以分别建立非线性阻尼和刚度参数的线性识别方程．实现两类参数的分离识别，有利于弱非性项的参数估计。将这一方法用于贮箱内液体晃动等效力学模型参数的试验确定问题，解决了由于采用防晃装置而产生的非线性晃动阻尼的参数识别问题。     

1/3含口盖复合材料柱壳后屈曲性能

工程结构中复合材料柱壳已经得到了广泛使用,并且屈曲是其结构设计的一个主要问题。由于试验结果与线性屈曲理论分析结果的巨大偏差,线性特征值屈曲分析只能作为结构的一个初步评估方法,进一步分析可选用含初始几何缺陷的后屈曲分析。本文以轴压载荷下的1/3含口盖复合材料柱壳为研究对象,建立ABAQUS有限元模型,分别进行了基于Buckle算法的线性特征值屈曲分析、基于Riks法的含初始几何缺陷的非线性后屈曲分析,所得应变、载荷数值结果与试验结果吻合。非线性Riks后屈曲分析显示结构具有后屈曲承载能力和稳定的后屈曲平衡路径,能更准确地捕捉临界屈曲载荷,所得屈曲模态也更加贴近试验屈曲模态,因此,在设计上以含初始几何缺陷的Riks法得到的结果更加真实可靠。进行了含口盖复合材料柱壳的初始几何缺陷的敏感性分析,结果表明该结构对初始几何缺陷是非常敏感的,为了提高结构抗屈曲性能,应提高加工工艺质量,减少初始几何缺陷。     

环境激励下运输类飞机颤振试飞技术研究

介绍了两种类型运输类飞机基于自然飞行大气环境激励下的颤振试飞的测试技术、飞行技术、数据分析技术和部分试飞结果.试飞证明虽然利用此类激励获得的结构响应信号幅值较小,但是在多输入多输出系统振型分析基础上,实现了小幅值信号密集模态的准确识别.     

碳纤维复合材料高质量制孔工艺

制孔质量是导致碳纤维复合材料产品报废的重要因素.本文从机械加工的角度,论述了碳纤维复材产品制孔工艺过程中的主要缺陷及其形成机理.为解决这些缺陷,根据其形成机理,设计了相关对比工艺试验.在试验验证的基础上,提出了碳纤维复合材料高质量制孔的工艺参数.     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。