基于EMD包络谱的飞行器健康诊断

针对飞行器结构系统声发射信号的非线性与非平稳特征,为实现飞行器结构部件的有效健康监测,提出了基于经验模态分解包络谱的飞行器健康诊断方法.该法首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行经验模态分解(EMD),提取其固有频率段的固有模态函数(IMF)信息,然后运用Hilbert变换对其进行处理得到各IMF的包络信号,由此可得其包络谱.通过包络谱的特征信息便可实现对飞行器结构部件的健康诊断.将该方法应用于某飞机真实水平尾翼疲劳试验所募集的声发射信号,结果表明,该法可监测出飞行器水平尾翼的健康状态,适用于飞行器结构部件的健康监测.     

光纤传感器在飞行器结构健康监测中的应用

阐述了在飞行器结构健康监测领域应用的几种典型光纤传感器的工作原理.分别介绍了高密度光纤布拉格光栅应变传感器、长周期光纤光栅腐蚀传感器、光纤声发射传感器在飞行器结构疲劳裂纹、腐蚀、冲击损伤监测方面的应用.阐明了该领域进一步发展存在的关键技术问题.     

声发射预测钢包耐火材料的破损

提出将声发射技术用于钢包耐火材料裂纹的失稳预测.基于最小支持向量机(LSSVM)理论,提出了一种根据学习标本有效预测钢包耐火材料的裂纹失稳的有效方法.根据冷态实验数据,验证了该方法的有效性,为钢包耐火材料安全在线监测提供了一种新的方法.     

基于声发射信号的纳秒激光划片轮廓监测

针对Al5083纳秒激光划片过程中产生沟槽和凸起两种轮廓的问题，研究了不同工艺参数下产生轮廓与映射声信号的关系。开展Al5083薄板纳秒紫外脉冲激光划片试验，观察轮廓的微观形貌，探究轮廓形成机制；采集声发射信号，小波包变换后分析声信号的差异性，并开展支持向量机分析。微观观测结果表明，凸起轮廓的成形机制包括熔融金属溅出受阻和凝固时产生的大量气孔。声信号分析结果显示，沟槽轮廓对应的小波包分解系数的方差和包络面积显著高于凸起轮廓；以小波包分解后的频谱为特征向量，添加标签后使用高斯核支持向量机分类，分类准确度达92.57%,验证了小波包变换和支持向量机的结合在基于声信号的轮廓监测中的可行性，为构建基于声发射的激光划片监测系统提供可行的技术路径。     

基于EIS-SVM的飞机复合材料健康监测研究

针对复合材料异常检测或健康监测的问题,对电阻抗谱法与支持向量机相结合应用于飞机复合材料构件健康监测进行了研究。制作了同面2电极传感器和两块碳纤维复合材料样板,设计实验电路测量了两个碳纤维被测样本的电阻抗谱,提取了不同类型的电阻抗特征参数;在Matlab软件平台上利用支持向量机对复合材料健康状态进行辨识,并比较分析了不同类型特征参数下的支持向量机辨识准确率。结果表明,相比于Cole-Cole曲线分段各段电阻抗实部或虚部幅值的平均值和频率——实部或虚部曲线分段线性拟合斜率,选取复合材料样板的Cole-Cole曲线分段线性拟合斜率作为特征参数时,支持向量机具有更高的健康状态辨识准确率。初步实验表明,支持向量机与电阻抗谱法结合起来进行飞机复合材料构件的健康监测是可行的。     

基于动态时间规整的轨道结构病害诊断方法

本文提出了一种基于动态时间规整的轨道结构病害诊断方法,利用动态时间规整算法对不同轨道结构病害下的振动响应进行特征提取,构建了基于动态时间规整的特征向量,并将其作为支持向量机的输入,利用支持向量机对轨道结构病害进行分类和诊断,实现了对不同轨道结构病害的诊断.数据的仿真结果表明,该方法取得了较好的诊断效果,且在有些列车速度下的分类准确率达到了90％以上,最高的分类准确率甚至达到了95.8％.因此本文所提出的方法能够对轨道结构病害进行有效地诊断,为轨道结构服役状态的在线监测与智能预警提供一定的依据.     

基于GMM均值超向量稀疏分解的碰摩声发射源识别

研究提出了一种基于GMM均值超向量稀疏分解的风电机组碰摩声发射源识别检测方法。以压缩感知理论与GMM识别模型为基础,将高斯分量的均值向量连接组成GMM均值超向量作为压缩感知的稀疏基,并利用MP、OMP算法进行稀疏分解,根据稀疏系数识别风电机组碰摩声发射源,而不需要对信号进行重建,提高了识别性能和效率。通过实验观察上位机输出结果,验证了识别结果数据的实时性和准确性,达到了对风电机组运行的状态信息监测和故障诊断的要求。     

基于分布式光纤传感的防热结构损伤识别研究

防隔热结构已大量应用在工程中,其健康状态对结构安全至关重要。为了监测隔热层粘接结构的健康状态,该文提出了一种基于分布式光纤传感器的防热粘接结构的损伤识别和监测方法。利用有限元法对带损伤试件承受弯曲载荷的过程进行了数值模拟,通过模拟的应变结果确定含有脱粘、裂纹两种损伤试件的应变趋势,作为判断结构失效的分类依据。通过对带有脱粘和裂纹缺陷的试件进行实验识别并定位损伤位置,监测试件的健康状况。研究结果表明,根据结构受载状态下的应变趋势可以判断试件是否发生脱粘或裂纹损伤,从而实现对结构的健康状态监测。     

基于支持向量机和无源特征的目标识别方法

通过引入机栽雷达辐射这一无源特征.采用多类分类支持向量机进行类型识别,提出了一种更有效的目标识别方法.无源特征是有用信号和噪声的叠加.具有一定程度的不确定性,采用范数熵衡量无源特征,类间距较大,类内聚集性较强,还可以抑制噪声.支持向量机分类器结构简单、可获得全局最优、泛化能力强,多类分类支持向量机解决目标识别问题高效而且实用.实验证明,该方法明显地提高了目标识别的正确率.     

基于戴帽L1范数的双支持向量机

针对双支持向量机模型易受异常点影响导致泛化性能较低的问题,提出了一种基于戴帽L1范数的双支持向量机模型.采用带有上限值的戴帽L1范数代替L2范数来构造最优化问题,一定程度上削弱了离群点、噪音点对于两个超平面构造的影响,增强了模型的鲁棒性.另外,针对构造的新的双支持向量机模型最优化问题提出了一个简单有效的迭代算法并且在理论上证明了该算法的收敛性.在无噪以及有噪UCI数据集上的实验结果表明,与其它支持向量机模型相比,该模型有着更强的鲁棒性以及稳定性.