遗传算法在结构损伤检测中的应用与改进

与遗传算法的其他应用领域相比，使用遗传算法进行损伤检测的成功更加依赖于搜索效率和在对同一类问题进行优化时搜索效率的变动程度。文中在建立表面粘贴有压电片材料的完好及损伤悬臂复合材料层合壳体有限元动力学模型的基础上，研究对遗传算法进行优化，以改善搜索效率和效率变动程度；并对遗传算法进行损伤检测时迭代次数的分布规律进行研究。     

奇异谱分解在超声速无人机声振试验数据处理中的应用

将相空间重构和奇异谱分解相结合对受强气动噪声影响的超声速飞行器测试数据进行滤波,以实现对于试验参数的精确识别。首先通过数值仿真论证该方法的可行性,然后针对某型超声速无人机的声振试验对试验采集数据进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到反映真实信号信息的信号子空间和反映噪声信息的噪声子空间。通过定义奇异值差分谱这一指标来判定真实信号信息子空间维数,并针对现有最大差分谱理论缺陷提出了优选差分谱峰值理论,利用奇异谱分解的逆过程对真实信号进行重构。重构结果表明,该方法适用于超声速飞行下的飞行器声振试验数据处理,为超声速飞行器飞行状态的精确描述提供了良好的思路。     

基于Timoshenko梁理论的回传射线矩阵法在传感器优化布置中的应用研究

由于结构存在阻尼现象,弹性波在传播过程中信号强度必然会随传播距离而衰减.据此提出弹性波极限传播距离与传感器极限布置间距概念,考虑到在高频率处剪切变形引起的转动惯量对结构动力特性的影响比较大,基于Timoshenko梁理论,结合经典回传射线矩阵法,提出使用局部散射矩阵确定结构损伤检测中的传感器布置极限间距,并将其应用到传感器优化算法中.针对指定检测系统,以桥梁结构Benchmark模型为例,验证算法的有效性.     

电流变液夹层梁的动力学分析

将电流变材料处理为粘弹性材料,采用了线性粘弹性理论,基于夹层梁动力学分析方法,利用广义Hamilton原理,推导了电流变层合梁的动力学方程。在此基础上,研究了具有简单的边界条件夹层梁的动力学特性,得出了在外加电场作用下,电流变层合梁模态频率和模态损耗因子都随着电场的增大而增大;电流变层合梁的低阶模态损耗因子变化趋势大于高阶模态损耗因子的变化趋势;在同样的电场(或电压)作用下,层合梁的低阶模态损耗因子大于高阶模态损耗因子。这些结论表明了电流变层合梁在外加电场作用下,对低频振动具有较好的振动抑振效果。     

电流变液夹层梁滑模振动控制的研究

采用Rayleigh-Ritz方法推导电流变夹层梁的动力学方程，在夹层梁动力分析的基础上，基于滑模控制理论，设计电流变夹层梁的主动控制的控制器。研究确定性系统和不确定性系统控制率生成。数值仿真的结果表明这些控制策略是十分有效的和现实可行的。     

最优小波包分解在基于响应信号的结构损伤检测中的应用

小波包分解方法在基于响应信号的结构损伤检测中被证明对损伤程度高度敏感,得到广泛的应用.在小波包分解中采用的是完全二进制分叉树型分解,而实际上在分解过程中部分子信号仅含有很少的信息量,对其再进一步分解是不必要的.通过引入熵的概念,可以对分解过程中的各层子信号进行选择,仅对含有足够丰富信息的子信号进行更进一步的分解.这样做可以有效减少最终所得子信号数目,在保持灵敏度的同时降低损伤指标的维数,有助于缩减损伤识别中神经网络的规模,对于大型复杂结构的损伤检测工作具有一定的意义.     

改进的HHT在复合材料盒段操作检测中的应用

提出一种基于结构振动和改进希尔波特黄变换的结构损伤检测方法,利用改进的希尔波特黄变换技术,研究悬臂机翼盒段结构的损伤检测问题.改进的希尔波特黄变换由三部分组成,小波分析、希尔波特黄变换及一种简单但有效的经验模式函数选择方法.用改进的希尔波特黄变换处理完好盒段结构与损伤盒段结构在方波信号激励下的动力响应信号, 从中提取出结构损伤信息指标--瞬时能量变化量作为损伤特征参数.结果表明,所构造的结构损伤特征量对表征复杂结构小损伤具有较好的灵敏度.     

结构损伤振动检测策略分析与应用研究

介绍了基于振动方法在线结构损伤监测和无损检测技术,归纳了在线结构损伤检测技术的研究目标和基本要求.回顾了基于振动技术的结构损伤检测研究现状,并以一个空心蜂窝板的裂纹损伤检测为例,提出了一种改进的研究策略.最后,对基于振动方法的结构损伤检测技术提出了应当进一步研究的若干专题.     

基于CMSE理论和遗传算法的结构损伤检测方法研究

提供了一种基于交叉模态应变能(CMSE)的结构损伤位置和严重程度的有效检测方法。传统的模态应变能方法必须比较损伤结构和完好结构的同一阶模态信息,并且要求解析的和测量的模态在尺度上一致或者标准化,而CMSE方法没有这样的限制。在损伤位置的检测上引入了遗传算法,有利于大型复杂结构的损伤位置检测。算例采用了复合材料机翼盒段模型,结果表明,CMSE方法与遗传算法相结合是检测结构损伤的有效方法之一。     

基于马氏距离的改进核Fisher化工故障诊断研究

针对化工故障诊断数据存在非线性分布、 数据类别复杂、数据量大且故障特征不易区分等问题, 本文提出一种基于马氏距离的改进核Fisher故障诊断方法(Mahalanobis distance-based kernel Fisher discrimination, MKFD). 首先, 针对数据非线性分布的特点, 本文将核Fisher判别分析算法改进, 改进后的算法可以有效解决原始样本在投影后出现的因类间距离差异过大、类内距离不够紧凑造成的样本混叠现象. 除此之外, 利用Euclidean距离对类间距做加权处理时, 用组平均距离取代质心距离, 提升了运算效率, 降低了时间复杂度; 其次, 根据高斯径向基核函数(Radial basis function, RBF)在MKFD中所呈现出的诊断精度的规律, 本文采用一种新的核参数选择方法: 区间三分法, 用以取代在实际应用中依靠经验的交叉验证法; 最后, 本文采用马氏距离对故障进行分类, 基于田纳西伊—斯特曼过程(Tennessee-Eastman, TE)数据将本方法与其他改进核Fisher算法进行仿真验证对比. 结果表明新提出MKFD算法不仅可以提高故障诊断的运算效率, 也能有效提高诊断的精度.