基于小波变换的冲击载荷定位研究

在动载荷识别过程中引入小波变换研究了弹性波在固体内传播的散射特性，提出了利用实测响应的小波变换确定冲击载荷位置的方法。系统实测响应的小波变换峰值对应于散射波的到达时刻，入射波比反射波贡献明显而其最大峰值则对应着入射波的到达时刻，从而可以取得载荷激励与多个响应测量之间的时滞，进而通过散射波群速度与时滞间的关系确定动态载荷的作用位置。计算结果表明，该算法有效地将冲击载荷的定位研究化为一非线性优化问题，避免非线性方程求解上的困难。     

基于FBC传感器的冲击损伤定位

针对复合材料冲击损伤,提出了一种基于光纤布拉格光栅(fiber bragg grating, 简 称FBG)网络的定位方法,该方法仅依据冲击期间FBG测得最大应变和FBG的相对位置,即可对 被测结构进行损伤定位,并在某飞机使用的复合材料层板上进行了试验验证。试验结果表明, FBG监 测的位置和实际冲击位置的最大定位绝对误差约为３．３４ cm,5个冲击点的平均定位误差 仅为126　cm。该损伤定位方法所需参数少、快速且简便易行,其识别精度满足工程实际 要求。     

子波变换在复合材料冲击损伤实时检测中的应用

基于传统信号处理对非平衡信号的局限,分析了子波变换下奇异信号和白噪声在多尺度空间中模极大值传播特性,对复合材料所冲击信号进行处理,提出一种对相似信号进行归类的方法,该方法能实时有效从冲击信号中提取冲击的大小及位置信息,并对复合材料冲击损伤准确定位。     

基于FBG传感器的冲击损伤定位

针对复合材料冲击损伤,提出了一种基于光纤布拉格光栅(fiber bragg grating,简称FBG)网络的定位方法,该方法仅依据冲击期间FBG测得最大应变和FBG的相对位置,即可对被测结构进行损伤定位,并在某飞机使用的复合材料层板上进行了试验验证.试验结果表明,FBG监测的位置和实际冲击位置的最大定位绝对误差约为3.34cm,5个冲击点的平均定位误差仅为1.26 cm.该损伤定位方法所需参数少、快速且简便易行,其识别精度满足工程实际要求.     

基于HHT对复合材料损伤的定位方法

复合材料在长期使用过程中不可避免地产生损伤,而复合材料在航空航天领域应用越来越多,所以复合材料的损伤检测就显得很重要.本文介绍一种用Iamb波对复合材料进行损伤检测的定位方法,该方法用HHT算法提取损伤特征.利用损伤处能量的衰减的特点,确定损伤位置;最后用实验验证该方法.研究结果表明：本文提出的损伤定位方法能有效地确定出在复合材料中的损伤.     

复合材料疲劳剩余寿命预测的动态小波神经网络方法

复合材料的疲劳损伤机制比普通金属材料更复杂,目前还没有理想的数学描述.本文采用动态小波神经网络方法,对复合材料疲劳剩余寿命进行了预测,结果与试验结果很接近.该方法用于非线性动态系统的预测建模,具有推广能力强、收敛速度快、预测精度高等优点.     

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。     

基于小波神经网络的RC梁损伤识别试验研究

简要阐述了小波包分析及BP神经网络理论，利用小波包变换对获得的加速度信号进行分解和重构，求解各频带内的信号能量，将其作为神经网络输入参数，对神经网络进行训练，然后利用该网络进行损伤检测。按上述方法，通过有限元分析对RC梁进行损伤模拟，建立了结构损伤识别神经网络。按同样的构造制作了RC试件，并进行了损伤试验研究，对试验中在不同损伤情况下采集的加速度信号进行小波包分解和重构，将得到的能量向量输入已建网络判断结构的损伤。从试验结果可以看出诊断误差很小，能够满足实际工程要求。     

复合材料结构损伤联合定位法试验研究

提出了复合材料结构损伤联合定位法,该法需首先获得复合材料结构在随机激励下的振动响应信号,计算结构的互相关函数幅值向量,通过对损伤结构的互相关函数幅值向量进行光滑拟合作为参考向量,再对损伤情况下的互相关函数幅值向量和参考向量分别进行连续小波变换,得到各自的小波系数,进而求得小波系数差的模,根据小波系数差的模的极值进行损伤的定位。该方法无需进行结构建模和模态识别,在无完好结构信息的情况下就可准确进行损伤定位。最后,还通过蜂窝夹层梁和玻璃纤维层合板的损伤检测试验,验证了该方法的有效性。     

纤维环向缠绕复合材料气瓶冲击损伤容限研究

为研究纤维缠绕复合材料层CNG气瓶冲击后损伤容限问题,采用疲劳应变比率作为损伤变量,建立疲劳累积损伤模型;对气瓶缠绕层的冲击损伤剩余强度采用开孔等效计算方法,应用Nuismer—Whitney平均应力准则,关联疲劳累积损伤函数中的最大应力与拉伸载荷下的含孔层合板剩余强度的关系,建立适用于在疲劳载荷下的含孔层合板结构剩余强度的估算方法,用于复合材料CNG气瓶冲击剩余强度的预测。结果表明,文中提出的分析模型预测结果与专家提出的复合材料气瓶冲击损伤评定标准基本吻合。     

基于小波神经网络的设计阶段成本估计

机械产品的成本构成复杂，在其设计阶段进行成本估计十分必要。在使用神经网络进行成本估计的基础上，利用小波分析对网络进行了改进，提高了收敛速度，并给出例子，在Matlab中进行了计算。     

基于并行结构的Gabor小波神经网络算法及应用

给出了一种基于并行结构的Gabor小波神经网络算法。根据多CPU系统的并行结构和神经网络本身并行性的特点,设计了用于图象目标识别的Gabor小波神经网络算法,算法的输入层包括Gabor小波尺度、平移和频率调制参数的运算;隐层是在并行CPU中实现神经网络算法及优化;输出层是Gabor小波神经网络的分类结果。对4类飞机图像目标进行了仿真实验,识别率达到98％以上,识别时间为40 ms。     

基于小波神经网络的模拟电路故障诊断

本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想，构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据，解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断，结果发现，小波网络比传统BP网络方法不仅学习收敛速度快，而且有效地避免了局部最小值问题。     

The research on structural damage identification using rough set and integrated neural network

A huge amount of information and identification accuracy in large civil engineering structural damage identification has not been addressed yet. To efficiently solve this problem, a new damage identification method based on rough set and integrated neural network is first proposed. In brief, rough set was used to reduce attributes so as to decrease spatial dimensions of data and extract effective features. And then the reduced attributes will be put into the sub-neural network. The sub-neural network can give the preliminary diagnosis from different aspects of damage. The decision fusion network will give the final damage identification results. The identification examples show that this method can simplify the redundant information to reduce the neural network model, making full use of the range of information to effectively improve the accuracy of structural damage identification.     

改进的小波神经网络在异步电机故障诊断中的应用

根据异步电机的复杂故障特点,结合小波变换技术,提出了一种改进的小波神经网络用于异步电机的故障诊断。利用小波变换技术提取异步电机特征信号作为小波神经网络的输入向量,并对小波神经网络算法进行优化,提出了动量系数和学习率自适应调整的小波神经网络算法,给出了动量系数和学习率的调整方法。通过实际测试数据的诊断结果说明该方法的有效性和可行性,具有诊断准确率高、收敛速度快、泛化能力强等优点。     

基于小波包和BP神经网络的刀具磨损状态识别

刀具磨损状态影响金属切削过程,因此监测刀具磨损状态对提高产品质量有着重要的意义。设计刀具磨损状态监测系统,利用传感器采集刀具振动信号,通过小波包对振动信号进行数据分析,并把不同频段的能量值作为刀具磨损状态的特征值,建立BP神经网络,从而在刀具磨损状态和振动信号特征向量之间建立映射关系,完成刀具磨损状态的监测。利用C++Builder和Matlab软件混合编程实现了系统的功能。试验表明,系统运行良好,能够对刀具磨损状态进行正确识别。     

基于小波分析与神经网络的柴油机气阀间隙识别

通过对柴油机气阀间隙的调整,实时监测缸盖的振动信号,运用小波分析法对振动信号进行分析,提取柴油机气阀间隙异常的多个特征参数,并采用BP神经网络对气阀间隙进行识别,以此提高诊断故障的针对性和准确性。     

基于小波包变换与神经网络的齿轮故障诊断方法

对齿轮箱故障诊断问题进行研究,由于齿轮的振动信号是非平稳信号,常规的齿轮特征提取方法难以从振动信号中提取有效故障特征信息。笔者采用小波包理论对齿轮振动信号应用db12小波进行多层分解后,从而对信号进行消噪,并对消噪后的信号进行小波包3层分解及系数重构,再次对各频段能量进行处理分析从而得到特征向量。最终应用归一化方法对特征向量处理后再结合RBF神经网络进行故障诊断,并且取得了良好的诊断效果。     

基于小波和神经网络的视觉诱发电位识别方法

在基于瞬态视觉诱发电位的脑机接口研究中，通过视觉诱发电位信号的提取与识别产生脑机接口控制信号。采用累加平均和小波滤波提取强噪声背景下微弱的视觉诱发电位。在小波变换域求取特征向量，将特征向量输入感知器进行视觉诱发电位模糊识别，产生脑机接口控制信号。实验表明，小波变换域特征向量提取方法能有效地实现信号的去噪、降维和特征提取，基于神经网络的模糊识别算法能比较准确地识别视觉诱发电位，有利于提高脑机接口的通讯率。     

基于小波包与改进BP神经网络的齿轮故障诊断

对齿轮振动信号应用小波包分解提取故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立齿轮运行状态分类器,用以诊断齿轮的运行状态。结果表明,该方法对齿轮故障诊断十分有效。