基于GRNN-ELM的飞机复合材料结构损伤识别

《基于GRNN-ELM的飞机复合材料结构损伤识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第49卷第4期2017年8月V01_49No．4Aug．2017DOI：10．16356／j．1005—2615．2017．04．003基于GRNN—ELM的飞机复合材料结构损伤识别崔建国1’3张善好2于明月1蒋丽英1江秀红2林泽力3(1．沈阳航空航天大学自动化学院，沈阳，110136；2．沈阳航空航天大学电子信息工程学院，沈阳，110136；3．航空工业上海航空测控技术研究所故障诊断与健康管理技术航空科技重点实验室，上海，201601)摘要：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剐问题，本文提出一种基于广义回

2、归神经网络(Generalregressionneuralnetwork，GRNN)与极限学习机(Extremelearningma—chine，ELM)组合的飞机复合材料结构损伤识剐新方法。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舍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(Variationalmodedecomposition，VMD)对募集的应变信息进行白适应分解，得到多个基本模式分量(Intrinsicmodefunction，IMF)。计算各阶IMF分量的奇异熵，通过核

3、独立主元分析(Kernelindependentcomponentanalysis，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。关键词：变分模态分解；奇异熵；核独立分量分析；GRNN-ELM组合神经网络；损伤识别中图分类号：V25文献标志码：A文章编号：1005-2615(2017)04-04

4、68—06DamageIdentificationofAircraftCompositeStructureBasedonGRNN-ELMCUIJiangu01～，ZHANGShanhao2，砌Mingyuel，JIANGLiyin91，JIANGXiuhong2，LJNZeli3(1．SchoolofAutomation，ShenyangAerospaceUniversity，Shenyang，110136，China；2．SchoolofElectronicandInformationEngineering，ShenyangAerospaceUni

5、versity，Shenyang，110136，China；3．AviationKeyLaboratoryofScienceandTechnologyonFaultDiagnosisandHealthManagement，ShanghaiAeroMeasurement&ControlTechnologyResearchInstitute，Shanghai，201601，China)Abstract；Aircraftstructuredamageseriouslyaffectstheaircraftflightsafety．Inordertoeffec

6、tivelyidentifyaircraftcompositestructuredamage，anewmethodcombininggenera／regressionneuralnet—work(GRNN)andextremelearningmachine(ELM)ofcompositestructuredamagediagnosisispro—posedinthispaper．Firstly，thedataoffiberopticsensoroncompositemateriallaminatedplatesaregatheredandpre—pr

7、ocessedafterstrikingandstretchingoncompositelaminatedplates．Secondly，straininformationisdecomposedbyvariationalmodedecomposition(VMD)，andintrinsicmodefunctions(IMFs)areobtained．Meanwhile，thesingularentropyfeatureofeachIMFisderived．Then，afeature基金项目：辽宁省自然科学基金(2014024003)资助项目；航空科

8、学基金(20153354005)资助项目；航空科学基金(20163354004)资助项目；国家自然科学基金(