【摘要】：纖維增強(qiáng)復(fù)合材料(Fiber Reinforced Polymer,FRP)由于其優(yōu)良的結(jié)構(gòu)特性而被廣泛應(yīng)于各個(gè)重要的工程領(lǐng)域,因此對(duì)FRP層合結(jié)構(gòu)進(jìn)行健康監(jiān)測(cè)和早期的損傷識(shí)別顯得尤為重要。其中,工程中常用的基于振動(dòng)的損傷識(shí)別方法能夠根據(jù)振動(dòng)參數(shù)的變化預(yù)測(cè)結(jié)構(gòu)的損傷情況,適用于全方位的結(jié)構(gòu)健康監(jiān)測(cè)。固有頻率相對(duì)其他振動(dòng)參數(shù)具有數(shù)據(jù)容易獲取且可靠的優(yōu)點(diǎn)。因此,通過智能信息處理技術(shù)對(duì)頻率進(jìn)行處理和分析,進(jìn)而對(duì)結(jié)構(gòu)的損傷狀態(tài)和安全性能進(jìn)行評(píng)估的結(jié)構(gòu)健康監(jiān)測(cè)方法具有良好的應(yīng)用前景。本文以實(shí)際應(yīng)用中較為常見的FRP弧形層合板結(jié)構(gòu)作為研究對(duì)象,利用損傷發(fā)生前后的頻率變化值作為指標(biāo),分別使用兩種人工智能算法:人工神經(jīng)網(wǎng)絡(luò)(ANN)和遺傳算法(GA)對(duì)FRP弧形層合板中的分層損傷進(jìn)行損傷位置、大小以及損傷所在界面的識(shí)別。為了獲得不同損傷情況下的頻率變化值,利用模型修正技術(shù),建立與實(shí)際結(jié)構(gòu)較為吻合的有限元模型,并生成“損傷-頻率變化值”數(shù)據(jù)庫,用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò);與此同時(shí),遺傳算法調(diào)用該修正后的有限元模型計(jì)算仿真頻率變化值,與目標(biāo)頻率變化值進(jìn)行比較,通過多次迭代得到偏差最小的情況即為可能的損傷。數(shù)值驗(yàn)證結(jié)果表明,ANN和GA均能夠準(zhǔn)確識(shí)別FRP弧形層合板分層損傷的位置和大小,預(yù)測(cè)誤差在2%以內(nèi);但是對(duì)于離散型界面參數(shù)“分層損傷所在界面”,ANN預(yù)測(cè)效果很差,而GA預(yù)測(cè)得比較好。然而,直接采用遺傳算法進(jìn)行預(yù)測(cè)運(yùn)算時(shí)間較長(zhǎng),不滿足在線健康監(jiān)測(cè)快速識(shí)別損傷的要求。為提高遺傳算法識(shí)別損傷的效率,本文構(gòu)建了代理模型以代替耗時(shí)的有限元模型計(jì)算,在保證識(shí)別精度的前提下,識(shí)別時(shí)間大幅度縮減為無代理模型遺傳算法的1/163。基于智能算法的健康監(jiān)測(cè)技術(shù),在實(shí)際應(yīng)用中遇到的主要困難在于誤差的影響。為了對(duì)比兩種算法的噪聲敏感性,本文添加不同程度的噪聲(Noise)到仿真頻率中以模擬實(shí)驗(yàn)測(cè)量或模型偏差導(dǎo)致的誤差,考察兩種逆向檢測(cè)算法對(duì)干擾噪聲的容限度。在5%的噪聲水平下,ANN的預(yù)測(cè)誤差已高達(dá)17.6%,而GA仍能保持在9.5%以內(nèi)。結(jié)果表明,GA的抗干擾能力較好,預(yù)測(cè)結(jié)果更可靠。相比之下,ANN極易受到噪聲的干擾,算法的魯棒性較差。為了進(jìn)一步研究實(shí)驗(yàn)室條件下兩種算法的損傷識(shí)別效果,共制作了七個(gè)包含兩種弧度的碳纖維增強(qiáng)復(fù)合材料(CFRP)弧形板試件,分別在四邊自由(FFFF)和兩邊固定兩邊自由(CFFC)的邊界條件下進(jìn)行模態(tài)測(cè)試,實(shí)測(cè)的頻率變化值用于對(duì)算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。此外,本文提出了“噪聲響應(yīng)率”的概念,以衡量頻率對(duì)噪聲的敏感程度;并提出先對(duì)各階頻率的噪聲響應(yīng)率進(jìn)行評(píng)價(jià)后再選擇噪聲響應(yīng)率低的頻率用于預(yù)測(cè)損傷的做法,數(shù)值驗(yàn)證和實(shí)驗(yàn)驗(yàn)證結(jié)果表明了該方法的有效性。利用兩種算法分別對(duì)試件進(jìn)行損傷識(shí)別,實(shí)驗(yàn)驗(yàn)證結(jié)果表明,SAGA預(yù)測(cè)誤差約10%,而ANN表現(xiàn)較差,誤差超過34%。綜上,本文得出的結(jié)論是,基于頻率變化的方法可以用于識(shí)別FRP弧形板中的分層損傷,應(yīng)采用有代理模型的遺傳算法以達(dá)到最優(yōu)的識(shí)別效率和精度。
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TU599;TU317

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 黃琴;王彤;張耀慶;;模態(tài)試驗(yàn)中自由邊界模擬方法[J];江蘇航空;2009年S1期

2 莫淑華;王春艷;;利用頻率指紋檢測(cè)復(fù)合材料層合結(jié)構(gòu)的脫層損傷[J];復(fù)合材料學(xué)報(bào);2009年01期

3 朱勁松;高嫦娥;肖汝誠(chéng);;基于遺傳算法的結(jié)構(gòu)損傷識(shí)別及其程序設(shè)計(jì)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2007年12期

4 曾神昌,麥漢超;結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)中的頻率響應(yīng)方法[J];強(qiáng)度與環(huán)境;2004年01期

5 秦權(quán),張衛(wèi)國(guó);懸索橋的損傷識(shí)別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年12期

6 耿浩,王睿,高芳清;模態(tài)變化對(duì)鋼桁梁模型橋的損傷檢測(cè)研究[J];橋梁建設(shè);1998年02期

相關(guān)博士學(xué)位論文 前6條

1 張劍;基于代理模型技術(shù)的高速列車性能參數(shù)設(shè)計(jì)及優(yōu)化[D];西南交通大學(xué);2015年

2 鐘小丹;民機(jī)復(fù)合材料增壓艙段結(jié)構(gòu)設(shè)計(jì)研究[D];南京航空航天大學(xué);2013年

3 高海洋;基于振動(dòng)特征指標(biāo)與Kriging模型的結(jié)構(gòu)損傷識(shí)別方法研究[D];大連理工大學(xué);2013年

4 李堅(jiān);代理模型近似技術(shù)研究及其在結(jié)構(gòu)可靠度分析中的應(yīng)用[D];上海交通大學(xué);2013年

5 李國(guó)東;鋼結(jié)構(gòu)損傷診斷實(shí)用方法研究[D];中國(guó)地震局工程力學(xué)研究所;2010年

6 肖漢林;復(fù)合材料圓柱殼結(jié)構(gòu)動(dòng)響應(yīng)及屈曲[D];華中科技大學(xué);2006年

相關(guān)碩士學(xué)位論文 前7條

1 李菊峰;基于模態(tài)柔度曲率矩陣的復(fù)合材料結(jié)構(gòu)脫層損傷識(shí)別研究[D];天津工業(yè)大學(xué);2016年

2 胡志輝;基于光纖光柵的復(fù)合材料結(jié)構(gòu)健康監(jiān)測(cè)研究[D];南京航空航天大學(xué);2014年

3 蔡小雙;基于遺傳算法的結(jié)構(gòu)損傷識(shí)別研究[D];南京航空航天大學(xué);2012年

4 王立威;人工神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元數(shù)的確定[D];重慶大學(xué);2012年

5 熊夏青;壓電智能層合結(jié)構(gòu)損傷識(shí)別方法的研究[D];南京航空航天大學(xué);2012年

6 王廣帥;基于模型修正和神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)健康監(jiān)測(cè)研究[D];南京航空航天大學(xué);2009年

7 華秋萍;自適應(yīng)BP網(wǎng)絡(luò)在復(fù)合材料脫層損傷信號(hào)處理中的應(yīng)用研究[D];南京航空航天大學(xué);2006年

，

本文編號(hào)：2670839