卫星典型复合材料蜂窝结构板的冲击定位方法

针对一种典型复合材料蜂窝夹芯结构,构建了光纤Bragg光栅传感系统,实时监测材料冲击响应信号,对信号进行了小波包分解获得其能量谱。结果表明,第16阶小波包能量对冲击敏感。利用能量幅值比进行冲击定位,平均误差为1.87cm。该方法能够有效判定冲击位置,为卫星结构健康监测提供了一定的依据。     

基于支持向量回归机的机翼盒段结构健康监测研究

针对大型飞行器结构的健康监测问题,提出采用光纤光栅型智能结构监测方法对机翼盒段进行载荷监测.对埋置的光纤光栅传感器的光谱进行了分析,研究了光纤光栅传感器中心波长变化与载荷位置的关系.采用支持向量机研究机翼盒段载荷自诊断问题,并对支持向量机的相关调整参数进行了优化,预测结果与广义回归神经网络进行对比.结果表明,支持向量机的网络测试误差为0.23%,预测精度明显高于广义回归神经网络.实验证明该方法在训练样本较少时,仍然能有效地判定载荷位置, 系统的辨识力较高.     

基于光纤光栅传感器的复合材料损伤识别系统

利用光纤布拉格光栅(FBG)构建了传感器网络;结合小波分解与重构算法、频谱分析和支持向量多分类机算法研究了碳纤维复合材料板损伤的模式识别算法。首先,对带有不同损伤模式的复合材料结构进行冲击试验,探索损伤模式与信号特征之间的关系。然后,对信号进行小波分解与重构去除基线干扰;采用傅里叶变换频谱分析提取信号幅频特性,构建了复合材料结构损伤模式识别方法。最后,将提取的信号幅频特性作输入,复合材料结构损伤模式作输出,利用支持向量多分类机,实现了复合材料结构损伤模式识别。在500mm×500mm×2mm的碳纤维复合材料板中心,选定200mm×200mm的实验区域,对30组测试样本进行了损伤模式识别。实验结果表明:29组损伤模式得到了准确识别,正确率为96.7%。研究结果为碳纤维复合材料板的损伤模式识别提供了一种可靠的方法。     

光纤光栅传感网络的冲击定位方法

针对航空航天层合板结构冲击与振动监测的需求,提出一种基于小波包分解方法和分布式光纤光栅传感网络的板状结构低速冲击辨识方法。根据四边固支板结构的承载形式与光纤光栅传感器的感知特性,设计合理的传感器网络布局,再利用快速傅里叶变换(fast Fourier transformation,简称FFT)与小波包分解对光纤光栅传感网络监测到的冲击响应信号进行时频域分析,获取能表征冲击特性的时域特征分解信号。在此基础上,分别计算出每一个特征分解信号与其对应的时域原始信号之间的互相关系数,并将其做为相似度分配权值,分解出所有样本冲击点对应冲击响应信号的特征分解信号,构建样本信息库。利用Haudorff距离计算测试信号与样本信息库各个信号之间的相似度,并根据相似度来确定冲击点的位置坐标。研究表明,该方法能够实现对航空航天层合板结构低速冲击位置的辨识。     

基于光纤光栅和支持向量机的声发射定位系统

利用光纤光栅传感器和边缘滤波原理构建传感系统,结合小波分解与重构和支持向量机算法,对铝合金板声发射定位进行了研究。根据划分区域进行声发射实验,探索声发射源所在区域与信号特征之间的关系。在对声发射信号进行小波分解的基础上,使用近似系数和细节系数进行重构,并对重构后的各信号计算其振荡能量作为信号特征,进行声发射区域识别。以重构信号的振荡能量作为输入、声发射区域位置类别作为输出构建支持向量机多分类模型,实现了声发射区域定位识别。实验结果表明,在400mm×400mm×2mm的铝合金板上对36个测试样本进行了多次声发射区域定位识别,在180次模拟实验中实现了176次声发射区域准确定位,正确率达到97.78%,声发射区域识别精度为30mm×30mm。该研究结果为机械结构的声发射区域定位检测提供了有效方法。     

应用小波包能量谱及SVM的安瓿内浮类异物识别

目的：为了解决安瓿内漂浮物与悬浮物的识别问题,本文提出了一种基于小波包能量谱的特征提取及支持向量机的识别方法。方法：首先通过图像序列差分及点检测分割提取杂质存在区图像作为目标区;然后将目标区沿安瓿瓶轴线方向逐行叠加形成一维信号;对一维信号进行小波包分解,采用主成分分析方法提取小波包分解特征向量中独立主成分;以小波包特征向量中独立主成分的能量谱作为异物类型特征;将提取的特征作为支持向量机的输入向量,采用序列最小优化方法实现训练样本快速分类。实验过程中选择不同类型的核函数和相应参数进行训练和测试。结果：实验结果显示,相对于传统BP网络,SVM在将识别用时减少近60%,识别精度提高了35%。结论：能够满足在生产中对浮类杂质的提取和快速识别的要求。     

局域波信息熵在高速自动机故障诊断中的应用

针对自动机工作时的短时冲击信号特征,首先,对其运动形态进行分解,截取与故障构件动作相对应的振动信号进行分析;其次,利用多层小波包分解截取信号,对其频率成分及能量分布进行研究;然后,将小波包分解后频带能量大的信号重构进行局域波分解,同时提取局域波奇异谱熵、边际谱熵和特征空间谱熵定量描述信号状态的时域、频域和能量的变化,并将其作为故障特征量;最后,利用遗传算法的全局寻优能力对支持向量机的参数进行优化,建立了遗传支持向量机(genetic algorithms-support vector machine,简称GA-SVM)模型,将提取的特征量输入其中进行故障分类识别,并将识别结果与空间穷尽搜索支持向量机(support vector machine,简称SVM)的识别结果进行对比。     

基于小波包变换的支持向量机损伤诊断方法

针对结构损伤识别中缺少实际损伤样本的问题,提出基于小波包特征提取的支持向量机结构损伤诊断方法.该方法将结构振动信号小波包分解后的频带能量,经过多传感器数据融合后作为特征向量,输入到多分类的支持向量机中,实现了结构多损伤的识别和定位.应用该方法对IASC-ASCE模型进行了分析,试验结果表明,小波包分解频带能量能够较好地反映结构的损伤特征.多传感器数据融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,提高了损伤诊断准确率.     

用于复合材料蒙皮的FBG正交传感网络研究

为了实现对复合材料蒙皮的结构健康监测与损伤识别,本文在对光纤布拉格光栅(FBG)应变传感器理论分析的基础上,结合CFRP材料特性和波分复用技术设计了一种由16个FBG传感器构成的光纤光栅正交传感网络布局,对碳纤维复合材料(CFRP)蒙皮进行相关准分布式传感网络研究。通过对复合材料中心位置进行逐级加载实验,并提取中心波长漂移量做相关性分析,证明了正交对称FBG传感网络对CFRP蒙皮进行结构健康监测的可行性,同时对称布局位置处的FBG传感器信号具有高度相关性质,相关系数可高达0.9996。实验结果为进一步研究准分布式FBG网络的位置布局优化以及传感网络的可靠性冗余设计提供了依据。     

基于小波包和支持向量机的发动机故障诊断

本文对发动机缸盖振动信号进行小波包分集并重构,求取各子信号的能量并归一化处理作为特征向量,采用支持向量机的方法对故障进行模式识别。实验结果表明:基于小波包和支持向量机的方法能够实现对气门不同故障程度的识别。     

基于光纤光栅阵列和MVDR算法的声发射定位

基于光纤光栅(FBG)传感器网络构建了声发射检测系统,并提出了最小方差无失真响应(MVDR)的声发射源定位方法。构建的系统由7个FBG传感器组成传感器线阵列,采用未经平坦的放大自发辐射(ASE)光源边缘滤波实现信号解调。利用Shannon小波变换从频散复杂的声发射信号中提取窄带信号,并基于MVDR算法扫描整个监测区域获取空间谱。根据空间谱函数计算输出值,并将计算的输出值作为像素值。最后,通过提取空间谱中的最大值的坐标确定声发射源的位置。在LY12铝合金板上进行了实验验证。结果表明,该方法在400mm×400mm的区域内,声发射定位的最大误差为9.4mm,平均误差为7.2mm,耗时小于3s。该系统具有较高的实时性和定位精度,是一种声发射源定位的新方法。     

基于SPC与小波变换的光纤光栅型损伤识别

为了研究光纤光栅传感技术在振动型损伤识别技术中的优势,建立了基于非平衡M-Z干涉仪和PGC相位解调技术的光纤光栅结构损伤识别系统;构建了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了均值-极差控制图进行结构连续损伤识别的过程;测试了结构处于健康状态和6种损伤状态下的振动信号并分析了损伤识别.试验结果表明,构建的损伤识别系统能判断损伤的存在,并且能对损伤的位置和损伤程度进行有效识别.     

光纤光栅传感器阵列在撞击定位监测中的应用

本文提出基于半导体环形激光器的光纤传感阵列系统,用于在铝板上撞击定位监测。采用光纤法布里-珀罗(F-P)标准具对光纤布拉格光栅(FBG)传感器信号进行解调。施加在FBG传感器的应变被编码为FBG反射光的波长位移,然后由自由光谱范围为50 GHz的光纤F-P标准具转换为强度调制。通过波分复用技术,光纤F-P标准具可同时解调多个FBG信号,光纤传感阵列系统安装在厚度为1 mm的铝板上,50 g的小钢球在20 cm的高度自由下落撞击铝板产生声发射信号。利用时频小波分析,从测量的FBG传感器瞬态响应中获得的Lamb波的群速度频散曲线,并根据三角定位算法,确定撞击点的坐标。经过撞击试验,通过本系统和定位算法的平均定位精度误差在30.89 mm,达到了较好的精度。     

基于小波包变换的梁体损伤识别

由于小波包变换在分析非平稳信号方面较傅立叶变换更为有效，提出了基于小波包变换的能量变化率指标进行损伤识别的方法。首先，将得到的结构响应信号进行小波包分解，然后通过小波包能量变化率指标来进行损伤定位。通过3种不同损伤工况的梁体室内试验证明．损伤指标可以准确地识别损伤位置。     

运用统计小波的光纤光栅结构健康监测技术

针对振动型结构健康监测方法的特点,搭建了基于非平衡M-Z干涉仪和相位载波解调技术的光纤光栅损伤识别系统。运用小波包分解振动信号,建立了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了使用均值-极差控制图分析损伤识别指标,识别结构连续损伤的过程。实验测试了铝制简支梁结构处于健康状态和3种损伤状态下的各40次振动信号。信号时域图显示各状态振动信号持续时间均约为0.05ms,幅值基本相同。依据结构健康状态下的统计过程控制限(12.85,41.35)进行了均值-极差控制图损伤识别分析,结果表明,搭建的损伤识别系统能连续地对结构进行健康监测。     

基于小波包的全信息解调方法及其应用

针对旋转机械故障信号的振动特点,将小波包络解调与基于数据融合技术的全矢谱相结合,提出一种诊断旋转机械调制信号的分析方法。首先,对安装在转子同一截面不同方向上的传感器信息同步整周期采样,对来自不同方向的时域信号分别采用小波包进行分解并重构,以实现带通滤波的效果;然后,采用全矢谱技术对两组重构信号进行数据融合;最后,对合成后的信号做包络解调分析。通过仿真研究和工程实例分析可以得出,对来自同一截面、不同方向的时域信号分别作小波包络谱分析时,两者在能量分布和频谱结构上存在着较大差别,以致造成提取故障信息的不完整或造成误判、漏判。基于小波包的全信息解调分析方法通过对同源的双通道信号的有效融合,可全面地反映出信号中包含的不同调制信息。与基于全矢谱的传统包络解调分析进行对比分析,具有较好的分析结果和可信度。     

基于随机森林的建筑结构损伤识别方法

针对利用分类器对建筑结构进行损伤识别的问题,引入一种新的组合分类器算法——随机森林,提出基于小波包分解和随机森林的结构损伤识别方法。首先,采用小波包对结构在不同损伤程度和位置上的振动加速度信号进行分解,得到各个频带上的总能量;然后,利用各频带上能量值存在着差异性作为输入到分类器的特征向量;最后,训练随机森林模型并对建筑结构的损伤位置和损伤程度进行识别。应用该方法对一座8层剪切型钢框架结构进行损伤判别,并与BP神经网络和支持向量机方法进行对比,结果表明该方法具有较好的识别精度与稳定性。