基于小波神经网络复合材料损伤检测的研究.pdfVIP

第 24 卷　第 12 期 武　汉　理　工　大　学　学　报 V o l. 24　N o. 12 2002 年 12 月 JOURNAL OF W UHAN UN IVERSITY OF TECHNOLOGY 　D ec. 2002 文章编号:(2002) 基于小波神经网络复合材料损伤检测的研究 刘　泉　江雪梅 (武汉理工大学) 　 摘　要: 　研究了一种采用埋入智能传感器对复合材料冲击损伤检测的系统, 在对信号进行处理时, 该系统结合了小波 变换良好的时频局部特性和神经网络的自学习功能及良好的容错能力的优点, 从而能准确地识别出复合材料冲击损伤 的位置并提高了冲击损伤检测的速度与准确率。对复合材料的冲击损伤检测进行了仿真, 结果表明了该方法是可行的。 关键词: 　智能传感器; 　复合材料; 　损伤检测; 　小波变换; 　神经网络 中图分类号: 　 212. 9 文献标识码: 　 T P A 设计师们一直希望在飞行器和航天器中能更广泛地采用复合材料结构, 但是复合材料在生产过程中工 艺不稳定, 缺陷无法完全检查, 它的横向承载与抗剪能力较低, 在冲击或疲劳等载荷的作用下极易发生损伤 [ 1 ] 直至破坏, 因此对复合材料进行实时损伤检测具有重大的意义 。提出了在复合材料中埋入智能传感器, 结 合小波变换和神经网络各自的优点对信号进行加工处理, 从而构成了对复合材料冲击损伤实时检测系统。 1　小波变换与信号检测 1. 1　小波变换 小波变换是近 10 年来迅速发展起来的一个数学工具, 是从傅里叶变换演化而来的。传统的傅里叶分析 理论只能从整体上获得平稳信号的频谱分布, 对暂态或长动态过程不适用, 而且不能对信号进行局部分析。 后来发展了短时傅里叶变换, 对非平稳信号采用分段的方法, 将它们在每段内看作是近似平稳的, 这样可以 对每段信号分别进行傅里叶分析。然而, 该方法存在时间分辨率和频谱分辨率不能同时最佳的矛盾, 且截取 [ 2 ] 突变信号时, 短时傅里叶变换一筹莫展 。小波变换为解决这一问题提供了崭新的途径。 首先给出小波变换的一些基本定义, 称满足条件 + ∞ () ( ) C = 2∫ d + ∞ 1 - ∞ 的平方可积函数 ( ) 为一基本小波。称 t - 1 t - b ( ) 2 ( ) a , b t = a 　　　a , b ∈R , a ≠ 0