期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
疲劳裂纹扩展的卷积神经网络辨识 被引量:9
1
作者 袁慎芳 李晓泉 陈健 《航空科学技术》 2020年第7期64-71,共8页
本文提出一种基于卷积神经网络(convolutional neural network,CNN)的疲劳裂纹扩展辨识方法,首先针对导波健康监测损伤特征分散性问题,建立二维多通道多频率损伤特征模式用于卷积神经网络辨识,设计具有复杂非线性运算能力的卷积神经网... 本文提出一种基于卷积神经网络(convolutional neural network,CNN)的疲劳裂纹扩展辨识方法,首先针对导波健康监测损伤特征分散性问题,建立二维多通道多频率损伤特征模式用于卷积神经网络辨识,设计具有复杂非线性运算能力的卷积神经网络解决疲劳裂纹扩展的定量辨识问题。所提方法在变幅载荷疲劳裂纹扩展试验中进行了验证,相比常规多项式拟合辨识方法最大误判长度由2.95mm减小至1.66mm,均方根误差由1.20mm减小至0.33mm,实现了疲劳裂纹扩展辨识准确率的有效提升。 展开更多
关键词 疲劳裂纹扩展辨识 卷积神经网络 导波结构健康监测 变幅疲劳载荷
下载PDF
基于导波-高斯混合模型蒙特卡罗迁移度量的结构损伤定量化诊断方法研究 被引量:2
2
作者 袁慎芳 王劼 +1 位作者 徐秋慧 陈健 《航空科学技术》 2023年第3期33-39,共7页
在线准确定量诊断飞行器结构疲劳裂纹损伤对于保证结构安全、降低维护费用具有重要意义,为了提升复杂服役条件环境下结构损伤定量化诊断的可靠性,本文提出了一种导波-高斯混合模型(Gaussian mixture model,GMM)蒙特卡罗迁移度量的损伤... 在线准确定量诊断飞行器结构疲劳裂纹损伤对于保证结构安全、降低维护费用具有重要意义,为了提升复杂服役条件环境下结构损伤定量化诊断的可靠性,本文提出了一种导波-高斯混合模型(Gaussian mixture model,GMM)蒙特卡罗迁移度量的损伤定量化诊断方法。首先建立表征结构不同状态下导波特征概率分布的GMM,再通过大数据随机采样的蒙特卡罗方法计算监测状态GMM相对于基准GMM的迁移距离,该方法在避免了复杂积分计算的同时,能够更准确地计算GMM的迁移距离,实现复杂服役条件下损伤扩展的准确定量化追踪诊断。选取重要飞行器耳片连接结构进行了孔边裂纹监测,有效实现了裂纹定量化监测,结果表明,相比传统的最小匹配迁移距离计算方法,本文提出的方法使裂纹定量化精度提高了29%。 展开更多
关键词 导波结构健康监测 高斯混合模型 损伤定量化诊断 迁移距离
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部