基于光纤光栅传感器的动载荷识别算法研究

发布时间：2020-06-03 10:12

【摘要】：载荷识别属于工程逆问题,即在系统已知的情况下,根据系统响应求系统激励。载荷识别在结构健康监测中具有重要地位,本文为了满足结构健康监测的要求,首先提出了基于光纤光栅传感器和卡尔曼滤波器的载荷识别算法。此算法以卡尔曼滤波器为基础,应用光纤光栅传感器测得的应变信号作为观测值,通过卡尔曼滤波器产生的增益矩阵、新息序列和协方差矩阵,利用最小二乘算法实时估计载荷大小。本文提出的载荷识别算法只需前一时刻的估计值和当前时刻的观测值即可估计当前时刻的载荷,无需大量的存储和读取数据,因此提高了载荷识别效率、降低了对系统软硬件的压力,此算法基于卡尔曼滤波器框架,有利于在结构健康监测的同时满足应用最优化算法对系统进行控制的要求。同时为了识别复杂结构的载荷,提出了基于BP神经网络和深度学习算法的动态载荷识别算法,此算法能避免系统建模,降低了问题的复杂性。论文主要内容如下:(1)提出了一种基于光纤光栅传感器和卡尔曼滤波器的线性系统动态载荷识别算法,建立了光纤应变值与梁结构自由度之间的关系,算法以线性卡尔曼滤波器为基础,借助线性滤波器产生的增益矩阵、新息序列和协方差矩阵,利用光纤光栅传感器测得的应变信号和最小二乘算法实时估计载荷,仿真和实验验证了算法的有效性。(2)提出了一种基于光纤光栅传感器和非线性卡尔曼滤波器的非线性系统动态载荷识别算法,促进了非线性系统领域载荷识别的发展。算法以非线性卡尔曼滤波器为基础,借助非线性卡尔曼滤波器产生的增益矩阵、新息序列、一步估计值和协方差矩阵,利用光纤光栅传感器测得的应变信号和最小二乘算法实时估计载荷大小,仿真和实验验证了算法的有效性。(3)提出了一种基于BP神经网络和基于深度学习算法的动态载荷识别算法,算法借助于系统响应值(应变值)对估计时刻的系统载荷进行反演。利用BP神经网络解决了单点载荷识别问题及利用深度学习解决了分布式载荷识别问题,避免了复杂系统的动力学建模,仿真和实验验证了算法的有效性。(4)提出了一种在载荷识别过程中对变形状态进行实时估计的算法,利用基于分布式光纤光栅传感器和卡尔曼滤波器的载荷识别算法过程中产生的状态向量,对结构变形进行实时重构,有效的将载荷识别与变形监测结合起来,满足了结构健康监测对变形监测的需求。
【图文】：

飞机,载荷识别,载荷分布,车辆悬架

载荷识别和损伤监测。载荷识别作为先进结构健康监测的重要组成之一，在结构设计、强度校核和损伤评估中扮演重要的角色。载荷识别广泛应用于估计飞机固定翼（图 1.1）的表面载荷分布、直升机旋翼（图 1.2）的载荷分布和导弹（图 1.3）驱动力等，在许多民用场合也有应用，，常见的有风机叶片（图 1.4）的载荷分布、铁轨交通（图 1.5）载荷、车辆悬架（图 1.6）载荷，其中车辆悬架载荷识别对汽车系统的振动性能评估和路面不平度检测具有重要参考价值。

直升机旋翼,载荷识别

载荷识别和损伤监测。载荷识别作为先进结构健康监测的重要组成之一，在结构设计、强度校核和损伤评估中扮演重要的角色。载荷识别广泛应用于估计飞机固定翼（图 1.1）的表面载荷分布、直升机旋翼（图 1.2）的载荷分布和导弹（图 1.3）驱动力等，在许多民用场合也有应用，常见的有风机叶片（图 1.4）的载荷分布、铁轨交通（图 1.5）载荷、车辆悬架（图 1.6）载荷，其中车辆悬架载荷识别对汽车系统的振动性能评估和路面不平度检测具有重要参考价值。
【学位授予单位】：南京航空航天大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TP212;V214;V414

【参考文献】