检索结果-南通市图书馆

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空学报 2017年第5期38卷 147-159页

作者：刘源庞宝君迟润强才源哈尔滨工业大学航天学院哈尔滨150080

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... 详细信息

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%。

关键词：空间碎片超高速撞击声发射损伤模式识别神经网络

基于贝叶斯正则化BP神经网络的铝平板超高速撞击损伤模式识别

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2016年第12期35卷 22-27页

作者：刘源庞宝君哈尔滨工业大学航天学院哈尔滨150080

损伤模式识别是空间碎片撞击航天器在轨感知技术中的一个重要功能模块,是目前研究的重点和难点。采用超高速撞击声发射技术,以铝合金平板为研究对象,通过大量超高速撞击实验获取实验信号,结合虚拟波阵面的精确源定位技术、时频分析技术... 详细信息

损伤模式识别是空间碎片撞击航天器在轨感知技术中的一个重要功能模块,是目前研究的重点和难点。采用超高速撞击声发射技术,以铝合金平板为研究对象,通过大量超高速撞击实验获取实验信号,结合虚拟波阵面的精确源定位技术、时频分析技术及小波分解技术。从超高速撞击声发射信号中提取并优选与损伤模式直接相关的时频参数,建立了基于贝叶斯正则化BP神经网络的损伤模式识别方法,识别了铝合金板面受撞击形成的成坑/穿孔两种主要损伤模式。

关键词：空间碎片超高速撞击声发射神经网络损伤模式识别

在线全文

学校读者我要写书评

暂无评论

基于自适应概率神经网络的损伤模式识别研究

振动与冲击 2008年第7期27卷 8-12页

作者：吴子燕杨海峰覃小文阎云聚西北工业大学力学与土木建筑学院西安710072

在传统的概率神经网络(PNN)的基础上,提出了通过Gap-Based方法初步估算平滑因子σ,并以遗传算法优化σ参数集的自适应概率神经网络(APNN)模式分类识别方法。以桥梁健康监测委员会提出的两跨桥梁Benchmark模型为例,通过将小波包分解结构... 详细信息

在传统的概率神经网络(PNN)的基础上,提出了通过Gap-Based方法初步估算平滑因子σ,并以遗传算法优化σ参数集的自适应概率神经网络(APNN)模式分类识别方法。以桥梁健康监测委员会提出的两跨桥梁Benchmark模型为例,通过将小波包分解结构在正弦激励和交通激励载荷模型下的动力响应信号的能量特征向量作为网络的输入样本,利用APNN进行了损伤模式进行识别。结果表明,APNN不仅识别精度高和抗噪性能好,而且还能用于输入特征向量参数筛选和降维,提高学习效率和识别精度。

关键词：损伤模式识别自适应概率神经网络(APNN) 能量特征向量平滑因子桥梁Benchmark模型

基于声发射技术铝合金平板超高速撞击损伤模式识别方法

在线全文

学校读者我要写书评

暂无评论

基于声发射技术铝合金平板超高速撞击损伤模式识别方法

作者：郑钦敏哈尔滨工业大学

学位级别：硕士

随着人类航天活动的日益频繁，空间碎片环境逐渐恶化，并对在轨航天器的安全运行构成了严重威胁。建立空间碎片撞击在轨感知系统对航天器遭受空间碎片撞击事件进行实时监测具有重要意义，其中航天器结构超高速撞击损伤模式识别是空间碎... 详细信息

随着人类航天活动的日益频繁，空间碎片环境逐渐恶化，并对在轨航天器的安全运行构成了严重威胁。建立空间碎片撞击在轨感知系统对航天器遭受空间碎片撞击事件进行实时监测具有重要意义，其中航天器结构超高速撞击损伤模式识别是空间碎片撞击在轨感知系统的重要功能模块。基于声发射在轨感知技术是最适合的航天器损伤监测手段之一，利用声发射技术实现航天器结构超高速撞击损伤模式识别是当前空间碎片撞击在轨感知系统研制的重点和难点。基于以上背景，本文以铝合金球形弹丸超高速正撞击铝合金平板作为研究对象，对声发射信号获取和分析方法、声发射信号波动特征表征方法、声发射信号损伤特征参数提取与选择、损伤模式识别方法等问题进行了系统研究，并分别提出了基于近邻分类和神经网络的铝合金平板超高速撞击损伤模式识别方法。本文研究范围为：直径介于1～5mm之间铝合金球形弹丸超高速正撞击厚度为3mm铝合金平板，撞击速度范围为100～5000m/s。首先，利用小波分析和振荡能量概念处理超高速撞击声发射信号。研究结果表明：以声发射信号及小波分解成分a4（db10）、d4（sym8）、d3（ciof5）在前45μs的振荡能量值作为损伤特征参数能够表征铝合金平板超高速撞击损伤模式;较之参数分析法和频谱分析法，利用小波分析和振荡能量概念处理超高速撞击声发射信号能够提取更为丰富的有用信息。其次，分别利用近邻分类法和神经网络方法对铝合金平板击穿或成坑、弹丸直径和弹孔直径范围进行识别。识别结果表明：近邻分类法和神经网络方法均能够很好地识别铝合金平板击穿或成坑，平均识别正确率分别大于96.00%和93.00%;利用不同近邻分类法和概率神经网络模型对弹丸直径进行识别，当验证样本弹丸直径属于训练样本弹丸直径集时平均识别正确率分别为87.57%6.32%和96.27%，当弹丸直径不属于训练样本弹丸直径集时平均识别正确率分别为81.73%3.06%和78.44%;利用不同的近邻分类法和神经网络模型对弹孔直径范围进行识别，当验证样本弹丸直径属于训练样本弹丸直径集时平均识别正确率分别为96.24%6.69%和89.77%3.36%，当弹丸直径不属于训练样本弹丸直径集时平均识别正确率分别为89.77%3.36%和81.06%2.75%。最后，通过平均识别正确率和最高识别正确率比较近邻分类法与神经网络方法对铝合金平板损伤模式和弹丸直径的识别效果，分析了这两种模式识别方法在本文研究范围内的优劣性。研究结果表明：近邻分类法和神经网络方法均能够较好地识别铝合金平板击穿或成坑;近邻分类法对弹丸直径和弹孔直径范围的识别效果优于神经网络方法，其中距离加权近邻分类法的识别效果最优;较之近邻分类法和概率神经网络，BP神经网络识别结果具有随机性的特点限制了其在铝合金平板超高速撞击损伤模式识别领域的运用。本文的研究成果对服役于空间碎片环境下，在轨航天器复杂结构超高速撞击损伤模式识别方法的研究具有借鉴意义，并为空间碎片撞击在轨感知系统损伤模式识别功能模块的研制提供了技术支持，具有一定的工程应用价值和理论指导意义。

关键词：超高速撞击声发射小波分析振荡能量损伤模式识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于移动监测的金属屋面板损伤模式识别研究

基于移动监测的金属屋面板损伤模式识别研究

作者：于一洋哈尔滨工业大学

学位级别：硕士

随着金属屋面板在我国的大量应用,相应的安全问题越来越得到人们的关注。金属屋面板的事故类型主要是风揭,不难发现,日常使用中金属屋面板本身不易破坏,风揭事故的原因主要是金属屋面板的边界条件改变。金属屋面板通常是通过支座与下部... 详细信息

随着金属屋面板在我国的大量应用,相应的安全问题越来越得到人们的关注。金属屋面板的事故类型主要是风揭,不难发现,日常使用中金属屋面板本身不易破坏,风揭事故的原因主要是金属屋面板的边界条件改变。金属屋面板通常是通过支座与下部结构连接,而支座作为金属屋面板的主要边界条件发生损伤时,不能由目视获得,针对此类问题,业界通常采用基于模态参数的方法进行损伤模式识别,比如针对桥梁或高层布置长期健康监测系统来实现。但是大型金属屋面板通常超过一万平米,无法布置长期健康监测系统,所以本文创新性地提出采用移动载台搭载传感器,在金属屋面板上实现可移动测量,它具有性价比高,监测无死角等特点。首先需要找到合适的模态参数作为反映支座损伤的指标。通过建立力学模型和有限元模拟研究不同的动态参数对金属屋面板支座的损伤是否敏感,发现基有频率可以反映移动小车下方支座的健康状态,并且不受周围支座的影响。考虑到可以自动读取大量文件进行模态识别,采用了基于数据驱动的随机子空间法对进行基有频率的提取。继而研究了基有频率对不同损伤模式的敏感性,通过ABAQUS建模与实验结果对照,得到了不同位置支座对竖向刚度的贡献。基有频率作为反映支座损伤状态的指标,容易受到温度的影响,于是探究了一日内的温度变化对基有频率的影响。通过实验验证,发现金属屋面板基有频率与温度呈负相关,但在一天之内的温差范围内,基有频率的变动范围在0.2Hz以内,远小于支座损伤带来的影响,故暂时可以忽略温度的影响。最后在华东某高铁站屋面板上进行了现场测试,现场发现一处与实验室相似的损伤工况,其基有频率识别结果也与实验室结论基本吻合。但是现场实验也发现了一些问题:首先是现场测试中由于传感器位于机器人腹部两条履带之间,采集到的信号信噪比不高,模态识别效果不及实验室内的实验;其次发现多处其他类型损伤模式,但是由于缺少针对相应模式的实验和研究,尚不能确定这些工况对损伤指标的影响。所以后续可以在机器人上施加激励源,提高信噪比,同时也展开针对其他种类的损伤模式的研究。

关键词：移动监测金属屋面板风揭效应损伤模式识别边界条件

基于神经网络技术的空间碎片损伤模式识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络技术的空间碎片损伤模式识别研究

作者：熊秋鹏哈尔滨工业大学

学位级别：硕士

随着我国长期、载人空间站发展计划的逐步落实，空间碎片引发的超高速撞击问题日益突出，空间碎片在轨感知系统的研究也愈发紧迫。空间碎片在轨感知系统的主要功能之一是对空间碎片撞击进行感知定位并对损伤进行评估。其中，损伤模式识... 详细信息

随着我国长期、载人空间站发展计划的逐步落实，空间碎片引发的超高速撞击问题日益突出，空间碎片在轨感知系统的研究也愈发紧迫。空间碎片在轨感知系统的主要功能之一是对空间碎片撞击进行感知定位并对损伤进行评估。其中，损伤模式识别是空间碎片在轨感知系统的主要技术难点。目前，基于声发射技术的损伤识别的研究主要是通过对声发射信号进行参数及波形分析获得的，此方法只能对损伤模式进行定性的判别而不能进行定量的分析。本文在损伤模式识别方面引入了神经网络方法，提出使用LVQ神经网络方法进行损伤的定性判别，同时使用BP神经网络进行定量的分析，利用训练针对模拟高速撞击声发射技术的神经网络研究撞击损伤模式问题。本文首先研究了可能与损伤模式相关的特征参数，获得了表征损伤模式具有高相关度的靶板损伤参数和声发射波形特征参数，并分别通过傅里叶变换、小波变换等信号处理手段提取这些参数，通过对比分析得知这些参数在高速撞击声发射信号中各自表征和影响的损伤模式参量，以供基于神经网络手段的损伤模式识别方案。利用AUTODYN数值仿真软件进行大量的高速撞击仿真实验，对不同速度下的高速撞击实验进行定量分析。从实验结果中提取有效的参数作为神经网络技术的输入样本，获得不同速度、不同位置下的各高速撞击声发射信号参数，建立针对高速撞击声发射技术的多种神经网络系统，并利用前面提取出的参数对网络进行训练和验证，获得最适合针对高速撞击事件损伤模式识别的LVQ神经网络系统和BP神经网络系统。本文的研究成果主要是为空间碎片在轨感知系统开发提供理论基础，验证基于神经网络的空间碎片在轨感知系统对损伤模式识别具有一定的可行性，具有一定的理论研究和工程实践意义。

关键词：空间碎片损伤模式识别声发射神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

梁式结构损伤模式识别技术研究

梁式结构损伤模式识别技术研究

作者：吕雷武汉理工大学

学位级别：硕士

结构服役过程中,由于环境作用、材料老化、荷载作用效应及其他因素的影响,结构会发生损伤。为避免结构损伤累积导致其承载力下降或失效,需对结构损伤状况进行科学合理地评估。固有频率作为全局量,其测试方法简便且精度较高,基于固有频... 详细信息

结构服役过程中,由于环境作用、材料老化、荷载作用效应及其他因素的影响,结构会发生损伤。为避免结构损伤累积导致其承载力下降或失效,需对结构损伤状况进行科学合理地评估。固有频率作为全局量,其测试方法简便且精度较高,基于固有频率的结构损伤识别法在实际工程运用前景广阔。本文以梁结构为研究对象,以摄动理论为基础,将模式识别技术应用到损伤识别中,对结构单损伤和多损伤进行研究,提出一种识别梁结构损伤位置和程度的损伤模式识别技术。首先运用摄动理论,研究结构局部质量与刚度改变对固有频率改变的影响。研究表明,当结构局部质量改变时,固有频率平方改变量正比于质量改变处位移模态值的平方;当结构局部刚度改变时,固有频率平方改变量正比于刚度改变处曲率模态的平方。结构发生损伤时,认为其质量不变,刚度发生改变,以固有频率平方改变量与刚度改变和曲率模态间的关系为损伤识别理论基础。然后将模式识别技术应用于梁结构损伤识别中,对损伤位置和损伤程度进行研究。损伤识别过程为:第一步准确建立结构有限元模型,提取结构各阶位移模态,采用中心差分法计算曲率模态;第二步依据固有频率平方改变量与结构局部刚度改变和曲率模态间函数关系,建立结构损伤模式;第三步获取结构损伤后的固有频率,建立实际损伤特征向量;第四步通过欧式距离度量特征向量和模式向量间的相似性,当欧式距离最小时,准确地识别出结构损伤位置和损伤程度。结构发生r处损伤时,选取r+1阶或更多阶模态便可有效地识别出结构损伤位置和损伤程度。对于单损伤,最少仅需2阶模态即可识别结构损伤状况。最后对该损伤模式识别技术的识别误差进行研究。该损伤模式识别技术适用于固有频率平方改变量与局部刚度改变呈弱非线性函数关系阶段(视为线性关系),在在弱非线性阶段,可有效地识别结构的损伤位置和损伤程度。另外,结构有限元模型单元的尺寸大小会影响结构损伤识别结果,主要影响损伤程度识别,损伤程度识别结果大致与单元尺寸大小呈反比关系。而对损伤位置识别结果的影响较小,不同单元尺寸下均能准确地识别损伤位置。

关键词：损伤模式识别固有频率曲率模态

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的柔性结构损伤模式识别方法

振动．测试与诊断 2000年第4期20卷 240-244页

作者：王代华熊炼周德高黄尚廉重庆大学智能结构研究中心重庆400044 重庆邮电学院重庆400065

提出一种基于人工神经网络 ( ANN—— Artificial Neural Network)的柔性结构损伤模式识别方法 ,将神经网络用做损伤模式的分类器。引入通过对输入模式的增强来实现多种模式分类的函数连接型神经网络构成损伤模式识别方法。通过对柔性... 详细信息

提出一种基于人工神经网络 ( ANN—— Artificial Neural Network)的柔性结构损伤模式识别方法 ,将神经网络用做损伤模式的分类器。引入通过对输入模式的增强来实现多种模式分类的函数连接型神经网络构成损伤模式识别方法。通过对柔性悬臂梁结构的损伤识别实验表明 ,该方法运用于模式较少的场合非常有效 ,并且网络结构简单 ,学习速度快。实验中采用 PVDF压电薄膜作为信号获取元件 ,并且以柔性结构多个位置传感器的输出值的相对值作为模式识别中的特征向量 ,识别时对梁的振动幅度没有固定要求。实验结果表明。

关键词：神经网络柔性结构损伤损伤模式识别聚偏二氟乙烯压电薄膜

基于迁移卷积神经网络的桥梁结构损伤识别方法

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：罗旭欣陈龙梁韬黄天立中南大学土木工程学院

针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况，为提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率，提出一种结合迁移学习（Transfer Learning, TL）和一维卷积神经网络（One Dime... 详细信息

针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况，为提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率，提出一种结合迁移学习（Transfer Learning, TL）和一维卷积神经网络（One Dimensional Convolutional Neural Network, 1D-CNN）的结构损伤识别方法。首先，基于结构有限元数值模拟数据训练1D-CNN模型，选择损伤识别效果较好、性能优良的模型作为源模型；然后，将源模型中的网络结构和超参数迁移到实际结构实测数据集（目标域）网络模型的对应位置并冻结，得到预训练模型；最后，使用实测数据微调预训练模型得到目标模型。为验证该方法的有效性，通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验，对比源模型（模型I）、仅采用实测数据训练得到的CNN模型（模型II）和采用迁移学习得到的CNN目标模型（模型III）等3种神经网络模型的结构损伤模式识别准确率。研究结果表明：3层钢框架结构实验室试验中，3种CNN模型的最高损伤模式识别准确率分别为63.44%,98.44%,99.06%；日本某简支钢桁梁桥的现场试验中，3种CNN模型的最高损伤模式识别准确率分别为59.50%,97.00%,99.50%。针对不同结构，目标模型（模型III）的损伤模式识别准确率均最高，收敛速度最快，优于其他2种CNN模型。基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力，为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径。

关键词：桥梁结构损伤模式识别一维卷积神经网络迁移学习源域目标域