飛機(jī)服役環(huán)境惡劣,發(fā)動(dòng)機(jī)工作狀況復(fù)雜,結(jié)構(gòu)長期處于高負(fù)荷及不同工況環(huán)境下很容易導(dǎo)致故障或損傷的發(fā)生,任何細(xì)微的結(jié)構(gòu)損傷都可能直接影響到飛機(jī)的飛行安全。若能在事故發(fā)生前就能夠有效識(shí)別結(jié)構(gòu)的損傷,那么就能最大限度地防止事故發(fā)生,還可以降低結(jié)構(gòu)維修成本,延長結(jié)構(gòu)的使用壽命,因此開展結(jié)構(gòu)損傷識(shí)別方法的研究十分必要。隨著新型智能材料等技術(shù)的發(fā)展,能夠改變形狀的變形機(jī)翼和矢量發(fā)動(dòng)機(jī)等越來越受到關(guān)注,它們?cè)诜燮陂g改變形狀必然會(huì)導(dǎo)致其結(jié)構(gòu)參數(shù)、動(dòng)力學(xué)特性等也隨時(shí)間發(fā)生改變,這些參數(shù)的變化會(huì)給結(jié)構(gòu)損傷識(shí)別帶來更大挑戰(zhàn)。本文基于結(jié)構(gòu)損傷前后模態(tài)參數(shù)會(huì)發(fā)生變化這一思想,針對(duì)變形結(jié)構(gòu)的動(dòng)力學(xué)特性具有時(shí)變特征,首先研究了經(jīng)驗(yàn)?zāi)B(tài)分解EMD同Hilbert變換結(jié)合的時(shí)變模態(tài)參數(shù)辨識(shí)方法HHT(Hilbert-HuangTransform),然后又提出了EMD算法同三種改進(jìn)的粒子群優(yōu)化算法相結(jié)合的智能算法,即標(biāo)準(zhǔn)粒子群優(yōu)化算法、遺傳粒子群混合算法GAPSO以及廣泛學(xué)習(xí)粒子群算法CLPSO,并將它們用于辨識(shí)時(shí)變系統(tǒng)的模態(tài)參數(shù)。此外,對(duì)基于曲率模態(tài)的結(jié)構(gòu)損傷定位方法也做了一些研究。本文在MATLAB軟件中分別建立了一...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
縮略詞
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 基于動(dòng)力學(xué)特性的結(jié)構(gòu)損傷識(shí)別方法
        1.2.2 頻域辨識(shí)法
        1.2.3 時(shí)域辨識(shí)法
        1.2.4 時(shí)頻辨識(shí)法
        1.2.5 智能辨識(shí)方法
    1.3 研究內(nèi)容
    1.4 本文的內(nèi)容安排
第二章 EMD分解與希爾伯特變換結(jié)合的參數(shù)辨識(shí)
    2.1 EMD分解
    2.2 EMD分解流程
    2.3 產(chǎn)生虛假IMF分量
    2.4 利用Hilbert變換進(jìn)行參數(shù)辨識(shí)
        2.4.1 Hilbert變換原理
        2.4.2 Hilbert變換參數(shù)辨識(shí)
    2.5 本章小結(jié)
第三章 EMD分解與智能算法結(jié)合的參數(shù)辨識(shí)
    3.1 粒子群算法簡介
        3.1.1 粒子群算法思想起源
        3.1.2 粒子群算法的基本原理
        3.1.3 粒子群算法的計(jì)算模型
        3.1.4 粒子群算法參數(shù)選擇
        3.1.5 收斂行為分析
    3.2 標(biāo)準(zhǔn)粒子優(yōu)化算法
    3.3 遺傳粒子群混合算法(GAPSO)
        3.3.1 交叉算子
        3.3.2 變異算子
        3.3.3 遺傳粒子群混合算法描述
    3.4 廣泛學(xué)習(xí)粒子群算法(CLPSO)
    3.5 EMD分解結(jié)合智能算法用于時(shí)變系統(tǒng)參數(shù)辨識(shí)
    3.6 本章小結(jié)
第四章 數(shù)值仿真
    4.1 線性漸變系統(tǒng)
        4.1.1 仿真模型
        4.1.2 原始信號(hào)的EMD分解
        4.1.3 利用希爾伯特變換識(shí)別各階頻率
        4.1.4 利用智能算法識(shí)別各階頻率
    4.2 突變系統(tǒng)辨識(shí)
        4.2.1 仿真模型
        4.2.2 原始信號(hào)的EMD分解
        4.2.3 利用希爾伯特變換識(shí)別各階頻率
        4.2.4 利用智能算法識(shí)別各階頻率
    4.3 本章小結(jié)
第五章 矢量噴口結(jié)構(gòu)模擬分析
    5.1 模型簡介
    5.2 基于曲率模態(tài)的損傷識(shí)別方法
    5.3 基于曲率模態(tài)的結(jié)構(gòu)損傷模擬分析
    5.4 結(jié)構(gòu)諧響應(yīng)分析及頻率辨識(shí)
    5.5 本章小結(jié)
第六章 矢量噴口結(jié)構(gòu)損傷實(shí)驗(yàn)
    6.1 實(shí)驗(yàn)介紹
    6.2 實(shí)驗(yàn)信號(hào)采集與模態(tài)頻率辨識(shí)
        6.2.1 希爾伯特模態(tài)頻率辨識(shí)
        6.2.2 智能算法模態(tài)頻率辨識(shí)
    6.3 本章小結(jié)
第七章 總結(jié)
    7.1 論文研究工作總結(jié)
    7.2 成果和展望
參考文獻(xiàn)
致謝



本文編號(hào)：3784117