论文题目: 压电智能结构损伤检测及其传感器优化配置的研究
论文类型: 博士论文
论文专业: 精密仪器及机械
作者: 谢建宏
导师: 张为公
关键词: 压电智能结构,损伤检测,传感器优化配置,最小二乘支持向量机,遗传神经网络方法,成本与效益,功率谱密度
文献来源: 东南大学
发表年度: 2005
论文摘要: 实现损伤自检测功能是智能结构研究的主要内容之一,而损伤检测方法和传感器的优化配置是关联损伤自检测功能的两个重要问题,这两个问题的研究,对智能结构的应用具有重要的理论意义和实用价值。论文针对压电智能复合材料层板,以有限元数值仿真为主要手段,对低速冲击加载方式下各压电传感器瞬态响应信号的特征进行提取,继而进行压电智能结构损伤检测方法及其传感器优化配置方面的研究。论文采用最小二乘支持向量机(LS-SVM)的回归原理,对压电智能复合材料层板冲击损伤位置检测进行了研究,并与改进的BP网络进行了对比。结果表明,LS-SVM有比BP网络更快的训练速度、更强的泛化能力,并且LS-SVM具有不敏感于网络输入矢量次序的变换,表现出较强的适应性,适宜在结构损伤检测传感器优化配置问题中建立损伤检测目标函数。论文提出了一种基于损伤检测的智能结构传感器优化配置的遗传神经网络方法。该方法采用最小二乘支持向量机(LS-SVM)网络建立损伤检测目标函数,运用改进的遗传算法对目标函数进行优化,从而实现不同数目传感器的优化布置,并综合考虑成本与效益的因素,确定传感器的最优配置数目。论文对该遗传神经网络方法的具体实现过程及其可行性进行了分析,结果表明,该方法是可行的,可用于实现传感器对应于其初始布置模式下的最优配置。对于更多传感器的初始布置模式,采用该方法可有效减少更多传感器的数量,从而降低成本。论文从试验角度,采用主动监测方案,对该遗传神经网络方法进行了一定的分析,对试验中采集的传感器响应信号采用功率谱密度最大值进行了特征提取。论文对机翼盒段试验件进行了结构分析,采用有限单元方法,建立了其结构的有限元模型,并进行了冲击压电响应数值仿真。应用该遗传神经网络方法,基于冲击损伤位置检测问题,对机翼盒段试验件压电传感器进行了优化配置,得到了传感器对应于其初始布置模式下的最优配置,为该结构试验件的实际压电传感器的优化配置提供指导依据。本文的研究得到了国家自然科学基金(90205031)的资助。
论文目录:
摘要
Abstract
第一章 绪论
1.1 智能材料结构的概念
1.2 智能结构的研究概况
1.3 智能结构的基本组成
1.3.1 智能结构传感元件
1.3.2 智能结构驱动元件
1.3.3 智能结构控制系统
1.4 关于智能复合材料结构
1.4.1 智能复合材料结构的产生与发展
1.4.2 智能复合材料结构的特点
1.5 智能结构损伤检测方法与技术
1.5.1 结构损伤检测及其方法概述
1.5.2 智能损伤检测技术
1.6 智能结构传感器的优化配置
1.6.1 传感器优化配置的意义
1.6.2 传感器优化配置的方法
1.6.3 基于损伤检测的传感器优化配置
1.7 论文研究任务
第二章 压电智能复合材料层板冲击压电响应分析
2.1 引言
2.2 压电复合材料层板力学模型
2.2.1 几何方程
2.2.2 物理方程
2.2.3 运动方程
2.3 压电响应方程
2.3.1 机电耦合方程
2.3.2 传感器方程
2.4 冲击压电响应有限元数值仿真
2.4.1 仿真实例描述
2.4.2 有限元数值建模
2.4.3 有限元仿真结果
2.5 本章小结
第三章 支持向量机及其在智能结构损伤检测中的应用
3.1 引言
3.2 机器学习的基本问题
3.2.1 问题的表示
3.2.2 经验风险最小化原则
3.2.3 复杂性与推广能力
3.3 统计学习理论
3.3.1 VC维
3.3.2 推广性的界
3.3.3 结构风险最小化原则
3.4 支持向量机
3.4.1 最优超平面
3.4.2 支持向量机
3.4.3 核函数
3.4.4 支持向量机的不同形式
3.5 最小二乘支持向量机回归原理
3.6 基于最小二乘支持向量机的智能结构损伤检测
3.6.1 问题的描述
3.6.2 LS-SVM调整参数的优化及其检测结果
3.6.3 LS-SVM与BP网络的比较
3.7 本章小结
第四章 智能结构损伤检测传感器优化配置的遗传神经网络方法
4.1 引言
4.2 遗传算法
4.2.1 遗传算法的基本思想
4.2.2 遗传算法的特点
4.2.3 遗传算法的数学基础
4.2.4 遗传算法的实现技术
4.3 基于损伤检测的传感器优化配置的遗传神经网络方法
4.3.1 遗传神经网络方法的提出
4.3.2 遗传神经网络方法的实现
4.3.3 遗传神经网络方法的可行性分析
4.4 遗传神经网络方法的试验分析
4.4.1 损伤主动监测系统
4.4.2 层板压电响应信号的PSM特征提取
4.4.3 遗传神经网络方法的实施与分析
4.5 本章小结
第五章 机翼盒段试验件压电传感器的优化配置
5.1 引言
5.2 机翼盒段试验件描述
5.3 试验件冲击压电响应数值仿真
5.4 基于遗传神经网络的试验件传感器的优化配置
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读博士学位期间发表的论文
发布时间: 2007-06-11
参考文献
- [1].点式压电智能结构振动控制方法改进的研究[D]. 王波.重庆大学2004
- [2].压电步进二维精密驱动器理论及实验研究[D]. 刘国嵩.吉林大学2006
- [3].基于MEMS技术的自吸微泵的研制[D]. 王海宁.中国科学院研究生院（电子学研究所）2006
- [4].压电双晶片型二自由度惯性冲击式精密驱动器理论与实验研究[D]. 张宏壮.吉林大学2006
- [5].双压电片变形反射镜的性能分析与应用研究[D]. 宁禹.国防科学技术大学2008
相关论文
- [1].基于模态观测的结构健康监测的传感器优化布置方法研究[D]. 孙小猛.大连理工大学2009
- [2].埋入压电材料的智能复合材料结构振动主动控制理论和实验研究[D]. 吴克恭.西北工业大学2003
- [3].点式压电智能结构振动控制方法改进的研究[D]. 王波.重庆大学2004
- [4].随机激励下结构损伤检测方法研究[D]. 于哲峰.西北工业大学2005
- [5].功能梯度压电智能梁的特性分析及其应用[D]. 向宏军.北京交通大学2007
- [6].基于压电陶瓷的结构健康监测与损伤诊断[D]. 赵晓燕.大连理工大学2008
- [7].分布式压电智能结构的建模与振动控制[D]. 詹训慧.中国科学技术大学2007
- [8].层合压电智能结构的数值模拟和振动控制研究[D]. 丁根芳.合肥工业大学2008
标签：压电智能结构论文; 损伤检测论文; 传感器优化配置论文; 最小二乘支持向量机论文; 遗传神经网络方法论文; 成本与效益论文; 功率谱密度论文;