基于卷积神经网络的疲劳裂纹诊断
发布时间：2021-07-28 20:12
为了保证飞行安全,进行航空结构的疲劳裂纹诊断有着相当重要的意义。基于主动导波的方法由于具有监测范围广、对小损伤敏感等优点而被广泛研究,该方法通常通过提取导波损伤特征进行疲劳裂纹诊断。在真实工程应用中,导波损伤特征因受到裂纹扩展路径、传感器、传感器粘贴等因素的影响而存在较大分散性,这混淆了损伤特征对裂纹状态的反映,降低了裂纹诊断的可靠性。随着深度学习的蓬勃发展,其融合大量数据并从中学习、提取与分类有关的高级特征表达,进而实现高效分类的思想和方法为航空结构的疲劳裂纹诊断提供了切实有效的研究新思路。本文研究了卷积神经网络模型及其在航空结构疲劳裂纹诊断中的应用,主要内容如下:（1）研究了卷积神经网络基本原理,设计了用于疲劳裂纹诊断的一维卷积神经网络,提出了基于导波-卷积神经网络的疲劳裂纹诊断方法。采用了数据标准化、dropout、L2正则化等方法提高卷积神经网络性能。（2）对典型的航空结构——耳片结构单元进行疲劳实验,采用基于主动导波的结构健康监测方法对其疲劳裂纹进行在线监测。研究了损伤特征提取方法并分析了其随裂纹扩展的特性。提出了多通道-多导波特征组合方法,获得的输入样本融合了同一裂纹状态的...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
压电元件特性描述坐标系
图 2.1 压电元件特性描述坐标系121 11 12 13 14 15 1632 21 22 23 24 25 264331 32 33 34 35 3656D d d d d d dD d d d d d dDd d d d d d D 表示应力产生的电位移，即压电元件表面单位面积上产生的电荷数；d 矩阵为是由 组成的压电常数矩阵； 代表应力。压电常数表示了在单位应力下，压电元件表面所荷密度，是对压电元件灵敏度的表征。因此，不同压电材料的压电常数矩阵各不相同.1.2 压电元件主要性能指标如下图 2.2 所示是一种常用的典型压电陶瓷元件，该压电元件为薄圆柱形，主要由三：上表面电极、压电陶瓷和下表面电极。该元件直径约 8mm，厚度为 0.48mm，主要数为 d33=500×10-12C/N，d31=-210×10-12C/N。该压电元件在使用时，下表面与结构粘附的电极连接到上表面的小岛，使得上下表面的电极均可在上表面引出。
基于卷积神经网络的疲劳裂纹诊断向波，反对称导波 A0类似于弯曲波。(a)对称模式 (b)反对称模式图 2.3 导波在两个平行的自由表面传播的模式频散，并且它们的速度取决于频率和板厚的乘积。如下图 2.4 给出了 0.33，密度为 2.7kg/m3的铝板中传播的导波相速度及群速度的频散曲以看出，当频厚积低于某一值时，某些模式不能传播，例如在频厚积较，仅存在 S0和 A0模式。利用这一特性，在结构厚度一定的情况下，的超声波，能使响应信号中的导波模式简单，从而利于对结构的损伤状结构横截面上表面下表面结构横截面上表面下表面A1S150006000/s）S0S1
【参考文献】：
期刊论文
[1]不锈钢小径管疲劳裂纹类缺陷相控阵超声检测的可靠性验证[J]. 徐冰,严海,刘晓睿. 无损检测. 2018(09)
[2]改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用[J]. 冉鹏,王灵,李昕,刘鹏伟. 上海大学学报(自然科学版). 2018(03)
[3]轴类钢锻件磁粉检测中发纹与裂纹的鉴别[J]. 张勇,王转萍,赵艺?,吴广. 无损检测. 2018(02)
[4]焊缝裂纹缺陷的磁粉检测自动识别方法研究[J]. 杨志军,陈亮,刘延雷,陈德姝,刘玉琢. 制造业自动化. 2016(04)
[5]厚壁焊缝横向裂纹超声与射线检测的探讨[J]. 赵鹏,刘毅勇,张忠政,章彬斌. 机械制造. 2016(02)
[6]钢轨裂纹伤损声发射源的建模仿真与特征分析[J]. 章欣,冯乃章,王艳,沈毅. 声学学报. 2015(04)
[7]风力机叶片多裂纹扩展声发射信号的特征识别[J]. 周勃,张士伟,陈长征,黄鹤艇. 仪器仪表学报. 2015(01)
[8]航空发动机转子早期裂纹故障振动特征的1（1/2）维谱分析[J]. 王艳丰,朱靖,滕光蓉,梁恩波. 振动与冲击. 2015(01)
[9]金属疲劳裂纹声发射特性分析及检测概率研究[J]. 韩晖,肖迎春,白生宝,刘国强,黄博. 科学技术与工程. 2014(23)
[10]某发动机叶片抛修裂纹荧光渗透检测[J]. 唐建朝,周嘉梁. 无损检测. 2014(03)
博士论文
[1]基于疲劳损伤累积理论的结构寿命预测与时变可靠性分析方法研究[D]. 彭兆春.电子科技大学 2017
硕士论文
[1]疲劳裂纹扩展的健康监测技术研究[D]. 蔡建.南京航空航天大学 2008
本文编号：3308567
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
压电元件特性描述坐标系
图 2.1 压电元件特性描述坐标系121 11 12 13 14 15 1632 21 22 23 24 25 264331 32 33 34 35 3656D d d d d d dD d d d d d dDd d d d d d D 表示应力产生的电位移，即压电元件表面单位面积上产生的电荷数；d 矩阵为是由 组成的压电常数矩阵； 代表应力。压电常数表示了在单位应力下，压电元件表面所荷密度，是对压电元件灵敏度的表征。因此，不同压电材料的压电常数矩阵各不相同.1.2 压电元件主要性能指标如下图 2.2 所示是一种常用的典型压电陶瓷元件，该压电元件为薄圆柱形，主要由三：上表面电极、压电陶瓷和下表面电极。该元件直径约 8mm，厚度为 0.48mm，主要数为 d33=500×10-12C/N，d31=-210×10-12C/N。该压电元件在使用时，下表面与结构粘附的电极连接到上表面的小岛，使得上下表面的电极均可在上表面引出。
基于卷积神经网络的疲劳裂纹诊断向波，反对称导波 A0类似于弯曲波。(a)对称模式 (b)反对称模式图 2.3 导波在两个平行的自由表面传播的模式频散，并且它们的速度取决于频率和板厚的乘积。如下图 2.4 给出了 0.33，密度为 2.7kg/m3的铝板中传播的导波相速度及群速度的频散曲以看出，当频厚积低于某一值时，某些模式不能传播，例如在频厚积较，仅存在 S0和 A0模式。利用这一特性，在结构厚度一定的情况下，的超声波，能使响应信号中的导波模式简单，从而利于对结构的损伤状结构横截面上表面下表面结构横截面上表面下表面A1S150006000/s）S0S1
【参考文献】：
期刊论文
[1]不锈钢小径管疲劳裂纹类缺陷相控阵超声检测的可靠性验证[J]. 徐冰,严海,刘晓睿. 无损检测. 2018(09)
[2]改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用[J]. 冉鹏,王灵,李昕,刘鹏伟. 上海大学学报(自然科学版). 2018(03)
[3]轴类钢锻件磁粉检测中发纹与裂纹的鉴别[J]. 张勇,王转萍,赵艺?,吴广. 无损检测. 2018(02)
[4]焊缝裂纹缺陷的磁粉检测自动识别方法研究[J]. 杨志军,陈亮,刘延雷,陈德姝,刘玉琢. 制造业自动化. 2016(04)
[5]厚壁焊缝横向裂纹超声与射线检测的探讨[J]. 赵鹏,刘毅勇,张忠政,章彬斌. 机械制造. 2016(02)
[6]钢轨裂纹伤损声发射源的建模仿真与特征分析[J]. 章欣,冯乃章,王艳,沈毅. 声学学报. 2015(04)
[7]风力机叶片多裂纹扩展声发射信号的特征识别[J]. 周勃,张士伟,陈长征,黄鹤艇. 仪器仪表学报. 2015(01)
[8]航空发动机转子早期裂纹故障振动特征的1（1/2）维谱分析[J]. 王艳丰,朱靖,滕光蓉,梁恩波. 振动与冲击. 2015(01)
[9]金属疲劳裂纹声发射特性分析及检测概率研究[J]. 韩晖,肖迎春,白生宝,刘国强,黄博. 科学技术与工程. 2014(23)
[10]某发动机叶片抛修裂纹荧光渗透检测[J]. 唐建朝,周嘉梁. 无损检测. 2014(03)
博士论文
[1]基于疲劳损伤累积理论的结构寿命预测与时变可靠性分析方法研究[D]. 彭兆春.电子科技大学 2017
硕士论文
[1]疲劳裂纹扩展的健康监测技术研究[D]. 蔡建.南京航空航天大学 2008
本文编号：3308567
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3308567.html
