学位论文 > 优秀研究生学位论文题录展示

基于提升格式小波包变换和神经网络机翼盒段多损伤检测研究

作　者: 江金寿
导　师: 李剑敏；陈换过
学　校: 浙江理工大学
专　业: 机械设计及理论
关键词: 结构健康监测技术提升格式小波变换提升格式小波包变换损伤特征量神经网络
分类号: V224
类　型: 硕士论文
年　份: 2011年
下　载: 27次
引　用: 0次
阅　读: 论文下载

内容摘要

结构健康检测系统现已广泛应用于航空航天、土木工程等领域。随着现代工业化的发展,人们对于各种结构可靠性的要求越来越高,对服役期间大型复杂结构进行在线健康检测至关重要。本文以复合材料机翼盒段为研究对象,利用提升格式小波包变换提取能够反映结构损伤的特征量,从理论分析的角度研究了结构损伤与特征量之间的内在关系,并结合多传感器特征融合和神经网络实现了结构多损伤检测。本文主要研究工作如下:首先,研究了提升格式小波的基本原理及其构造方法,并对小波构造的边界处理方法及其优缺点进行了分析。在提升格式小波变换的基础上,又构造了提升格式小波包变换算法,结合具体仿真实例分析了提升格式小波包基函数用于特征提取的可行性。结果表明,提升格式小波包作为小波包基函数,其分解后的频带能量泄漏较小,能很好的表征能量的分布,可用来对信号进行特征提取。其次,以机翼盒段为对象,建立了完好和几种不同损伤下的机翼盒段有限元模型,通过瞬态动力学分析,提取出结构的动态响应信号。在MATLAB环境下,利用提升格式小波包分析方法从结构的动态响应信号中构造和提取出对结构损伤敏感的特征量,分析了这些特征量和结构的损伤状态之间的关系。机翼盒段结构的仿真算例表明:提升格式小波包变换的能量特征量可以表征结构的损伤,并且不同位置传感器获得的损伤特征量对同一损伤的敏感程度不同。最后,从多传感器信息融合的角度出发,提出了基于特征融合和神经网络的损伤检测方法。对不同区域位置的传感器采集的动态响应信号进行提升格式小波包分解,得到小波包能量特征向量,对不同传感器得到的损伤特征向量进行特征融合,然后作为神经网络的输入训练网络,实现损伤的状态评估。结果表明:基于提升格式小波包变换的多传感器数据融合的结构多损伤检测方法,能较好的避免噪声的干扰,提高结构损伤检测精度,对于实际测量误差有较强的鲁棒性。从检测的效果看,比单个传感器的检测更加有效。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-18
  1.1 结构损伤检测的研究背景  9
  1.2 结构损伤检测概述  9-12
    1.2.1 结构损伤检测的基本方法  9-11
    1.2.2 结构损伤检测技术的发展趋势  11-12
  1.3 国内外飞行器结构健康监控的研究现状  12-14
  1.4 小波分析在结构健康监测中的应用和发展  14-15
  1.5 论文课题来源和主要内容  15-18
    1.5.1 论文的课题来源  15-16
    1.5.2 论文的主要研究内容  16-18
第二章提升格式小波分析  18-29
  2.1 前言  18
  2.2 提升格式基本原理  18-19
  2.3 提升格式小波构造  19-24
    2.3.1 基于Lagrange 插值构造小波  20-21
    2.3.2 基于其他方法构造小波  21-22
    2.3.3 小波构造边界处理方法及其对比  22-24
  2.4 提升格式小波包变换  24-28
    2.4.1 小波包变换算法  24-25
    2.4.2 小波包能量  25
    2.4.3 仿真信号分析  25-28
  2.5 小波消噪原理  28
  2.6 本章小结  28-29
第三章结构损伤检测模型及其理论分析  29-40
  3.1 结构损伤检测的动力学原理  29-30
  3.2 复合材料结构的损伤机理  30-33
    3.2.1 复合材料损伤类型  30
    3.2.2 复合材料损伤弹性系数计算  30-33
  3.3 基于压电陶瓷的结构检测技术  33-36
    3.3.1 压电效应  34
    3.3.2 压电方程  34-36
  3.4 损伤检测有限元模型  36-39
    3.4.1 复合材料单元选择  37-38
    3.4.2 压电片单元选择  38
    3.4.3 机翼盒段有限元模型  38-39
  3.5 本章小结  39-40
第四章基于提升小波包能量的损伤特征量研究  40-49
  4.1 前言  40
  4.2 小波包能量特征提取方案  40-41
  4.3 机翼盒段蒙皮裂纹损伤特征提取  41-48
  4.4 本章小结  48-49
第五章基于特征融合和神经网络的损伤识别技术  49-59
  5.1 神经网络  49-51
    5.1.1 BP 神经网络  49-50
    5.1.2 BP 网络的设计原则  50-51
  5.2 多传感器数据融合  51-53
    5.2.1 多传感器数据融合的基本原理  52
    5.2.2 多传感器数据融合层次  52-53
  5.3 基于特征融合和神经网络的损伤检测技术  53-54
  5.4 机翼盒段多损伤检测算例  54-58
    5.4.1 单传感器多损伤识别  54-56
    5.4.2 多传感器多损伤识别  56-58
  5.5 本章小结  58-59
第六章总结与展望  59-61
  6.1 论文工作总结  59
  6.2 展望  59-61
参考文献  61-65
致谢  65-66
附录一构造尺度函数和小波函数程序代码  66-68
附录二攻读硕士学位期间发表的论文及参加的科研项目  68

基于提升格式小波包变换和神经网络机翼盒段多损伤检测研究

内容摘要

全文目录

相似论文