基于径向基函数神经网络的编织复合材料结构脱层损伤监测研究论文.pdfVIP

振 　动 　与 　冲 　击 第 26 卷第 1期 JOURNAL OF V IBRA TION AND SHOCK Vol. 26 No. 1 2007　 基于径向基函数神经网络的编织复合材料结构脱层损伤监测研究 1 1 2 刘朝勇 , 郑世杰 , 王晓雪 ( 1 南京航空航天大学智能材料与结构航空科技重点实验室 ,南京 　2 100 16; 2 大同职业技术学院建工系 ,大同　037008) 　　摘 　要 　鉴于传统的 B P 网络的速度慢和局部极小值问题 , 以及针对基于实验数据训练神经网络存在样本不足的 ( ) 缺陷 ,文中提出了利用径向基函数 R adial B a se Function,简记为 RB F 神经网络通过有限元方法对含有脱层损伤的复合 材料试件进行数值模拟 ,把前五阶弯曲模态频率进行修正 , 以修正后的前五阶弯曲模态频率再经过归一化处理构建训练 样本的新思路 ,将实验模态分析结果经归一化处理后送入训练好的 RB F神经网络进行预测 ,从而实现对编制复合材料梁 的脱层损伤定位和损伤程度评估 。最后给出了编织复合材料结构损伤大小伤识别及定位的算例 , 仿真结果表明 RB F神 经网络速度快 ,稳定性好 ,精度高 ,在复合材料结构损伤监测中具有光明的应用前景和重要的工程应用价值 。 关键词 : RB F神经网络 ;编织复合材料结构 ;损伤监测 中图分类号 : TB381　　　文献标识码 : A 　　由于复合材料具有很高的比强度和比刚度 ,优 良 的研究取得了许多令人振奋的成果 ,但是对于实际应 的抗疲劳等特性 ,在航空航天 、宇航和船舶等工业中获 用来说 ,还面临许多问题和挑战 ,特别是将神经网络模 得广泛的应用 。但在复合材料结构的制造过程及层合 型的计算机仿真和复合材料结构损伤特征参数提取实 结构在服役期内受到的冲击等都会使复合材料结构内 验二者较好结合的研究还不够全面和深入 。很多学者 部产生脱层损伤 ,而脱层的存在将导致结构强度等特 基于数值解或理论解来训练神经网络 [ 4 , 5 ] ,从纯数值仿 性大幅度下降 ,进而严重影响结构的整体性能 ,复合材 真的角度验证了网络的模型辨识能力 ,并没有进行实 料结构的损伤监测对于消除航空航天结构隐患及避免 验值识别 ,而结构健康监测的实质是基于实验提取的 灾难性事故的发生具有重要的意义 。结构损伤监测是 损伤特征信号的状态评估问题 ,缺少了实验依据的纯 典型的反问题 [ 1 ] ,近年来 , 以神经网络为代表的人工智 粹的计算机仿真缺乏足够的说服力 。另一方面 ,还有 能方法开始被广泛应用于结构损伤监测 ,且已成为结 一些研究者采用在结构上钻通孔 、局部开槽等办法来 构损伤监测研究中最活跃的分支之一 [ 1～3 ] 。 模拟损伤 [ 6 ] , 或将损伤简单地等效为弹簧刚度 的下 目前 ,应用于结构损伤监测的神经网络主要包括 降[ 4 ] ,这些处理办法过于简单和粗糙 , 明显放大了损伤 B P 网络 [ 2 ] 和 Kohonen 自组织神经网络 [ 3 ] ,但这两种神 特征 ,与含损伤结构件的精确模型相矛盾 。 经网络具有学习速度缓慢等许多不尽如人意的缺陷 , 鉴于上述情况 ,文中提出一种计算结果的修正方 例如 B P 网络的学习结果对初始权值向量很敏感 ,容易 案 ,从而使含脱层损伤试件的数值仿真结果与实验特 陷入局部极值 ; 而 Kohonen 自组织神经网络则不能直 征参数相吻合 ,进而利用有限元方法对含有脱层损伤 接处理划分和布局问