全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于GRNN-ELM的飞机复合材料结构损伤识别
- 作者： 崔建国 张善好 于明月 蒋丽英 江秀红 林泽力 来源： 南京航空航天大学学报 年份： 2018 文献类型 ： 期刊 关键词： 奇异熵 变分模态分解 GRNN ELM组合神经网络 损伤识别 核独立分量分析
- 描述： 飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。