基于超声导波的功能梯度结构材料特性反演确定

发布时间：2017-09-05 16:39

  本文关键词：基于超声导波的功能梯度结构材料特性反演确定

  更多相关文章： 功能梯度复合材料 多层结构 初应力 自适应神经模糊系统 材料特性

【摘要】：材料是人类赖以生存和发展的物质基础,随着人类社会的不断进步,各行各业对材料提出了越来越苛刻的要求。然而任何一种新材料的出现,在它们能够安全广泛地得到应用之前,必须发展相应的检测技术,以及了解、掌握材料本身的特性。因此,对材料波动特性、力学性能的研究和相应的检测、反演材料特性的新技术成为这一新材料能否有效及扩大应用的关键。先进的复合材料结构力学特性的检测方法通常利用结构的动力学响应与材料特性之间的复杂关系。通过一个数学模型来表示这种关系时,称为前向问题。继而,如果拥有一系列精确实验测量的结构响应数据,结合大量的前向计算,则复合材料的材料特性可以通过正确构建的反演模型来辨识。功能梯度复合材料(functionally graded materials),简称FGM,即是其组分或结构沿某一方向呈有规律的连续变化,以尽可能的消除或弱化材料间的界面,从而避免或减小材料性能在界面处的变化,使其性能在这一方向上也呈连续变化以满足特定要求的一类复合材料。对于FGM材料本身及其结构中的波动特性已开展了许多研究,然而,仍有许多工作需要进一步深入研究。如初应力对结构中的波传播特性的影响。本文根据“增量变形理论”与勒让德正交多项式级数展开法,研究了初应力作用下多层结构FGM板中导波的传播特性,其中初应力分别施加在板的厚度和波的传播方向上,研究了初应力对频散曲线的影响。此外,在结合智能算法对FGM的组分分布与材料特性的反演时,单一的算法本身存在很多不足之处而各种算法之间又存在互补。这就要求运用神经网络、遗传算法和模糊逻辑的混合反演算法以利用它们的优势而避免其缺陷。本文不仅利用神经网络反演确定功能梯度材料的材料特性,同时利用神经网络与模糊逻辑相结合的产物,即自适应神经模糊系统反演确定功能梯度材料的材料特性,并对比分析两种网络在反演时的优劣,并对两种网络降噪能力进行研究。
【关键词】：功能梯度复合材料 多层结构 初应力 自适应神经模糊系统 材料特性
【学位授予单位】：河南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB33
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1.绪论10-22
• 1.1 引言10-11
• 1.2.课题背景11-17
• 1.2.1 功能梯度材料的概念11
• 1.2.2.功能梯度材料的应用与制备11-13
• 1.2.3.功能梯度材料研究意义13-15
• 1.2.4 超声导波及其特点15-17
• 1.3.国内外研究现状17-20
• 1.3.1 FGM的制备17
• 1.3.2 FGM力学问题计算与分析17-18
• 1.3.3 FGM材料特性检测18-20
• 1.4 本文工作20-22
• 2.具有初应力的多层板结构中导波的频散特性22-34
• 2.1.基本方程与求解22-26
• 2.2.数值计算与分析26-33
• 2.2.1 方法的收敛性26-28
• 2.2.2.初应力对Lamb波的影响28-31
• 2.2.3.初应力对SH波的影响31-33
• 2.3.结论33-34
• 3.FGM板材料体积分布方式分类34-42
• 3.1.问题的论述34-35
• 3.2.数据样本的采集35-36
• 3.3.神经网络分类36-37
• 3.3.1 训练样本的确定36-37
• 3.3.2 网络结构的选择37
• 3.3.3 聚类结果37
• 3.4 神经网络对噪声信号的分类37-40
• 3.5 结论40-42
• 4.FGM板材料特性反演42-58
• 4.1.神经网络反演42-44
• 4.1.1 神经网络程序设计42
• 4.1.2 数值结果42-44
• 4.2 自适应神经模糊网络反演44-53
• 4.2.1 模糊逻辑的创立44
• 4.2.2 模糊逻辑与神经网络44-48
• 4.2.3 自适应神经模糊系统48-53
• 4.2.3.1 自适应神经模糊推理系统的生成和训练49-52
• 4.2.3.2 自适应神经模糊推理系统的训练结果与检测结果52-53
• 4.3.反演系统对噪声的适应性比较53-56
• 4.4.结论56-58
• 5.结论与展望58-60
• 参考文献60-66
• 作者简历66-68
• 学位论文数据集68

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：799114