基于径向基神经网络和模糊理论的复合材料结构的健康监测研究

论文摘要

本文较全面地评述了基于振动特征信号的结构健康监测方法,详细介绍了径向基函数（Radial Base Function,简称为RBF,下同）神经网络在结构健康监测中的应用模型和动态调整算法,并编制了RBF神经网络程序;同时在引入模糊理论的基础上,给出了一种应用于复合材料结构健康监测的新型模糊RBF神经网络模型,并在前人的工作基础上改进了网络的训练算法,编制了模糊RBF神经网络的程序;制备了三个高强纤维布SW-210/环氧树脂E51复合材料试验件,并对上述三个试验件分别进行了实验模态分析;利用坐标相同、节点号不同的方法模拟脱层损伤,利用有限元FEM法计算了不同脱层损伤情况下的频率信息;针对基于实验数据训练神经网络存在样本不足的缺陷,本文提出了利用有限元方法对含有脱层损伤的复合材料试验件进行数值模拟,以该结构的前六阶弯曲模态频率经过相应的处理后分别构建RBF神经网络和模糊RBF神经网络的训练样本的思路;将实验模态分析的结果分别送入训练好的RBF神经网络和模糊RBF神经网络进行预测,实现了对复合材料梁的脱层损伤的定位和损伤程度的评估,上述两种网络的识别结果表明模糊RBF神经网络结构的具有更好的泛化能力和更好的鲁棒性。

论文目录

• 第一章 绪论
• 1.1 健康监测的概念、系统组成以及应用前景
• 1.1.1 健康监测的概念
• 1.1.2 健康监测系统组成及应用
• 1.2 脱层损伤监测
• 1.3 基于智能材料结构的健康监测
• 1.3.1 智能材料结构
• 1.3.2 压电材料的原理及应用
• 1.3.3 智能材料结构在健康监测中的应用及进展
• 1.4 神经网络技术和模糊理论在复合材料结构健康监测中的应用
• 1.5 课题研究的主要内容
• 第二章 基于振动信号的结构损伤检测理论基础
• 2.1 振动理论简介
• 2.1.1 振动系统模型
• 2.1.2 振动物理参数模型在时域范围的数学描述
• 2.1.3 振动模态分析方法
• 2.2 基于常用的几种振动特征信号的损伤检测理论
• 2.2.1 基于固有频率的结构损伤监测方法分析
• 2.2.2 基于振型模态的结构损伤监测方法分析
• 2.2.3 基于动态测得柔度矩阵参数的结构健康监测方法分析
• 2.2.4 基于神经网络的结构健康监测方法
• 2.3 选用振动特征信号作为目标损伤标识量的理论基础
• 2.3.1 损伤标识量的建构理论依据
• 2.3.1.1 基于位置模态损伤标识量的构造
• 2.3.1.2 基于模态频率损伤标识量的构造
• 2.3.2 目标结构损伤标识量的确定和做法
• 第三章 人工神经网络原理及模糊理论简介
• 3.1 人工神经网络基础
• 3.1.1 人工神经网络的组成及结构
• 3.1.1.1 神经元模型
• 3.1.1.2 神经网络的结构组成
• 3.1.2 人工神经网络的基本特点
• 3.1.3 常用的几种神经网络结构
• 3.1.4 神经网络结构的训练算法分类
• 3.2 径向基神经网络介绍
• 3.2.1 RBF 神经网络组成结构及特点
• 3.2.2 RBF 神经网络的训练学习算法分析
• 3.3 模糊理论介绍
• 3.3.1 模糊集合及运算
• 3.3.1.1 隶属函数及隶属度
• 3.3.1.2 模糊运算
• 3.3.2 模糊逻辑、模糊推理规则及语言变量
• 3.3.2.1 模糊逻辑
• 3.3.2.2 模糊推理及模糊规则合成
• 3.3.2.3 语言变量
• 3.3.3 FCM 模糊聚类算法介绍
• 3.3.3.1 K 均值聚类算法（HCM）介绍
• 3.3.3.2 模糊C 均值聚类
• 3.4 模糊RBF 神经网络介绍
• 3.4.1 广义模糊RBF 神经网络基础
• 3.4.1.1 RBF 神经网络与广义模糊推理系统的函数等价性
• 3.4.1.2 模糊RBF 神经网络的结构
• 3.4.2 模糊RBF 神经网络的学习算法
• 3.4.2.1 学习样本的聚类处理
• 3.4.2.2 第二层网络的计算
• 3.4.2.3 第三层网络的计算
• 3.4.2.4 第四层和第五层网络的计算
• 第四章 试验件制备及模态分析
• 4.1 试验件制备和参数
• 4.1.1 试验件的制备
• 4.1.2 试验件的特性参数
• 4.2 模态分析实验系统、模态分析实验装置及方案
• 4.3 模态分析实验结果
• 4.4 脱层的模拟及计算样本数据的获取
• 4.5 计算训练样本的修正处理
• 第五章 RBF 神经网络和模糊理论在复合材料结构健康监测中的应用
• 5.1 RBF 神经网络在复合材料结构健康监测中的应用算例
• 5.1.1 基于RBF 神经网络结构健康监测的实现
• 5.1.2 基于模糊RBF 神经网络结构健康监测程序的主要函数说明
• 5.1.3 基于RBF 神经网络的复合材料结构健康监测的网络识别结果及分析
• 5.2 模糊RBF 神经网络在复合材料结构健康监测中的应用算例
• 5.2.1 基于RBF 神经网络结构健康监测的实现
• 5.2.2 基于模糊RBF 神经网络结构健康监测程序的主要函数说明
• 5.2.3 基于模糊RBF 神经网络的复合材料结构健康监测的结果及分析
• 5.3 两个算例的对比及分析
• 第六章 全文结论及展望
• 6.1 全文总结
• 6.1.1 全文工作总结
• 6.1.2 结论
• 6.2 进一步的工作
• 参考文献
• 致谢
• 攻读硕士期间发表的文章