基于DMS和LS-SVM的复合材料结构健康预测方法

复合材料结构损伤机理复杂,其损伤破坏一般呈现缓慢扩展趋势。为了有效地对复合材料结构健康状态进行预测,将距离形态相似度(DMS)和最小二乘支持向量机(LS-SVM)模型引入复合材料结构健康状态预测中,提出了基于DMS和LS-SVM的复合材料结构健康状态预测方法。首先,以复合材料层合板(T300/QY8911)为具体研究对象,对其进行损伤试验,采集其振动加速度作为表征其健康状态的原始信息,并进行小波包分解,利用分解得到的各个频带信号的样本熵作为特征向量;然后,采用距离形态相似度(DMS)方法确定结构健康指数;最后,将结构健康指数作为建模数据用以构建LS-SVM预测模型,预测复合材料结构健康指数。结果表明,该方法可以有效实现复合材料结构裂纹损伤的预测,具有很好的应用前景。     

基于SK和LSSVM的飞机空气制冷机寿命趋势分析

针对工程上所获取的飞机空气制冷机信息本身具有的不确定性等特点,提出了谱峭度(spectral kurtosis,简称SK)和最小二乘支持向量机(least squares support vector machine,简称LSSVM)相结合的寿命趋势分析方法。首先,将寿命表征参量通过经验模态分解(empirical mode decomposition,简称EMD)分解为多个固有模态分量(intrinsic mode function,简称IMF),分别对多个IMF分量进行傅里叶变换,得到多个频谱,计算每根谱线的谱峭度;其次,通过谱峭度寻找到影响飞机空气制冷机失效的主要IMF分量,对其进行信号重构;最后,提取重构后信号的能量特征,创建最小二乘支持向量机寿命趋势模型,对飞机空气制冷机寿命趋势进行预测。通过对实际监测数据的分析和验证结果表明,该方法可以实现飞机空气制冷机寿命趋势分析效能,具有很好的工程应用价值。