变形结构的损伤识别方法研究

发布时间：2023-04-06 17:37

　　飞机服役环境恶劣,发动机工作状况复杂,结构长期处于高负荷及不同工况环境下很容易导致故障或损伤的发生,任何细微的结构损伤都可能直接影响到飞机的飞行安全。若能在事故发生前就能够有效识别结构的损伤,那么就能最大限度地防止事故发生,还可以降低结构维修成本,延长结构的使用寿命,因此开展结构损伤识别方法的研究十分必要。随着新型智能材料等技术的发展,能够改变形状的变形机翼和矢量发动机等越来越受到关注,它们在服役期间改变形状必然会导致其结构参数、动力学特性等也随时间发生改变,这些参数的变化会给结构损伤识别带来更大挑战。本文基于结构损伤前后模态参数会发生变化这一思想,针对变形结构的动力学特性具有时变特征,首先研究了经验模态分解EMD同Hilbert变换结合的时变模态参数辨识方法HHT(Hilbert-HuangTransform),然后又提出了EMD算法同三种改进的粒子群优化算法相结合的智能算法,即标准粒子群优化算法、遗传粒子群混合算法GAPSO以及广泛学习粒子群算法CLPSO,并将它们用于辨识时变系统的模态参数。此外,对基于曲率模态的结构损伤定位方法也做了一些研究。本文在MATLAB软件中分别建立了一...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
缩略词
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外发展现状
        1.2.1 基于动力学特性的结构损伤识别方法
        1.2.2 频域辨识法
        1.2.3 时域辨识法
        1.2.4 时频辨识法
        1.2.5 智能辨识方法
    1.3 研究内容
    1.4 本文的内容安排
第二章 EMD分解与希尔伯特变换结合的参数辨识
    2.1 EMD分解
    2.2 EMD分解流程
    2.3 产生虚假IMF分量
    2.4 利用Hilbert变换进行参数辨识
        2.4.1 Hilbert变换原理
        2.4.2 Hilbert变换参数辨识
    2.5 本章小结
第三章 EMD分解与智能算法结合的参数辨识
    3.1 粒子群算法简介
        3.1.1 粒子群算法思想起源
        3.1.2 粒子群算法的基本原理
        3.1.3 粒子群算法的计算模型
        3.1.4 粒子群算法参数选择
        3.1.5 收敛行为分析
    3.2 标准粒子优化算法
    3.3 遗传粒子群混合算法(GAPSO)
        3.3.1 交叉算子
        3.3.2 变异算子
        3.3.3 遗传粒子群混合算法描述
    3.4 广泛学习粒子群算法(CLPSO)
    3.5 EMD分解结合智能算法用于时变系统参数辨识
    3.6 本章小结
第四章 数值仿真
    4.1 线性渐变系统
        4.1.1 仿真模型
        4.1.2 原始信号的EMD分解
        4.1.3 利用希尔伯特变换识别各阶频率
        4.1.4 利用智能算法识别各阶频率
    4.2 突变系统辨识
        4.2.1 仿真模型
        4.2.2 原始信号的EMD分解
        4.2.3 利用希尔伯特变换识别各阶频率
        4.2.4 利用智能算法识别各阶频率
    4.3 本章小结
第五章 矢量喷口结构模拟分析
    5.1 模型简介
    5.2 基于曲率模态的损伤识别方法
    5.3 基于曲率模态的结构损伤模拟分析
    5.4 结构谐响应分析及频率辨识
    5.5 本章小结
第六章 矢量喷口结构损伤实验
    6.1 实验介绍
    6.2 实验信号采集与模态频率辨识
        6.2.1 希尔伯特模态频率辨识
        6.2.2 智能算法模态频率辨识
    6.3 本章小结
第七章 总结
    7.1 论文研究工作总结
    7.2 成果和展望
参考文献
致谢



本文编号：3784117