基于MEMD和ELM的飞机机翼健康状态预测技术

《基于MEMD和ELM的飞机机翼健康状态预测技术》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、2017年8月第43卷第8期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsAugust2017V01．43NO．8http：／／bhxb．buaa．edu．cnjbuaa@buaa．edu．cnDOI：10．13700／j．bh．1001—5965．2016．0610基于MEMD和ELM的飞机机翼健康状态预测技术崔建国1’2一，徐舱宇1，于明月1，蒋丽英1，王景霖2，林泽力2(1．沈阳航空航天大学自动化学院，沈阳11

2、0136；2．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：复合材料在现代飞机结构中的应用越来越广泛，为了有效地对飞机机翼健康状态进行预测，提出了基于多元经验模态分解(MEMD)和极限学习机(ELM)的飞机机翼健康状态预测方法。以某型飞机复合材料机翼盒段为具体研究对象，对其进行冲击与疲劳加载试验，利用光纤传感器及其采集系统募集飞机复合材料机翼盒段的原始应变信息，对其健康状态予以表征。对所采集的原始应变信息进行MEMD分解，提取分解后各频带信号的能量

3、熵作为表征飞机复合材料机翼盒段健康状态的特征信息，采用动态主元分析法(DPCA)将所提取的能量熵特征信息进行融合，采用融合后所得到的能量熵构建ELM预测模型，对某型飞机复合材料机翼盒段健康状态进行预测。试验研究表明，本文方法可以有效实现飞机机翼的健康状态预测，具有很好的应用前景。关键词：复合材料；健康状态；多元经验模态分解(MEMD)；能量熵；极限学习机(ELM)中图分类号：V258+．3文献标识码：A文章编号：1001．5965(2017)08—1501—08由于复合材料具有高抗疲劳能力、高抗振

4、能力，且重量轻，因此被广泛应用在现代飞机结构上。由于造成飞机复合材料损伤失效的因素繁多，使得对飞机复合材料预测具有一定的困难¨o。因此，对冲击后进行疲劳加载的飞机复合材料结构进行健康状态预测研究，具有重要的理论与工程价值。目前，国内外许多学者都对其进行了分析。徐颖旧一提出了含初始冲击损伤层合板疲劳逐渐累积损伤的寿命预测方法，试验结果表明，该方法能够较好地预测含初始冲击损伤层合板在疲劳载荷作用下的损伤累积扩展以及疲劳寿命。李伟占。31、施志凯。4o和鲁国富¨o利用有限元软件对复合材料层合板进行损伤渐

5、进失效模拟分析。近年来，由于神经网络应用领域的不断扩大，Schulz等。61将其引入到复合材料层合板损伤状态监测领域。利用传感器来模拟“细胞”，构建结构损伤状态监测，并通过试验及研究，实现了通过神经网络来诊断冲击损伤的发生。Kirikera等¨。通过对复合材料进行多次试验，并利用传感器网络获取的数据建立了一个预测剩余强度及疲劳寿命的经验公式，为复合材料损伤预测的发展起到了积极的作用。针对含冲击损伤的飞机复合材料机翼盒段，本文采用布置在机翼盒段上的光纤光栅应变传感器网络所获取的应变信息作为原始信息，

6、对应变信息采用基于多元经验模态分解(MultivariateEmpiricalModeDecomposition，MEMD)的能量熵收稿日期：2016-07．19；录用日期：2016-10-21；网络出版时间：2016—11—1409：07网络出版地址：WWW．cnki．net／kems／detail／11．2625．V．20161114．0907．004．html基金项目：国防基础科研项目(Z0520128002)；航空科学基金(20163354004，20153354005)；辽宁省自然科学基

7、金(2014024003)$通讯作者：E-mail：gordon—cjg@163．com引用格式：崔建国，徐静宇，于明月，等．基于MEMD和ELM的飞机机翼健康状态预测技术fJ]．北京航空航天大学学报，2017，43f8)：1501—1508．CUIJG，XULy，YUMY，eta1．HealthstatepredictiontechniqueforaircraftwingbasedonMEMDandELM￡J]．JournalofBeOingUniversityofAeronauticsandA

8、stronautics，2017，43(8)：1501—1508(inChinese)．1502北京航空航天大学学报2017年方法进行特征提取。由于飞机复合材料机翼盒段出现损伤的位置无法预知，因此采用动态主元分析法(DynamicPrincipalComponentAnalysis，DP—CA)对特征信息进行降维融合，对提取的特征信息即融合后的能量熵采用极限学习机(ExtremeLearningMachine，ELM)进行线性回归建模，实现飞机复合材料机翼盒段健康状态预测研究。1特