基于超声导波的各向异性板弹性常数反演确定-机械工程专业论文.docxVIP

万方数据 万方数据 河 南 理 工 大 学 学 位 论 文 原 创 性 声 明 本人郑重声明：所呈交的学位论文： ，是我个人在导师指导下进行的研究工作及取得的 研究成果。论文中除了特别加以标注和致谢的地方外，不包含任何其他个人或集 体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均 已在论文中作了明确的声明并表示了谢意。 本人愿意承担因本学位论文引发的一切相关责任。 学 位 论 文 作 者 签 名 : 年 月 日 河 南 理 工 大 学 学 位 论 文 使 用 授 权 声 明 本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的 规定，即：学校有权保留和向有关部门、机构或单位送交论文的复印件和电子 版，允许论文被查阅和借阅，允许将本学位论文的全部或部分内容编入有关数 据库进行检索和传播，允许采用任何方式公布论文内容，并可以采用影印、缩 印、扫描或其他手段保存、汇编、出版本学位论文。 保 密 的 学 位 论 文 在 解 密 后 适 用 本 授 权 。 学位论 文 作 者 签 名 ： 导师签名： 年 月 日 年 月 日 致谢 光阴荏苒，转眼间，三年的研究生生活即将结束，三年的时光，说起来漫长， 其实很短暂，这三年将是我人生长河中最宝贵的经历。 本文是在禹建功导师的悉心指导和关怀下完成的。从论文的选题、研究思路、 理论分析到论文的撰写，无不凝聚着禹老师的帮助和心血。三年的硕士研究生期 间，导师不仅给我创造了良好的学习环境和实践机会，而且在日常生活中也给予 我极大的关怀与帮助。 禹老师是个作风上正派，学术上严谨的导师，从他身上我不仅学到了许多专 业方面的知识，而且也学到了为人处事方面的道理。禹老师严谨的治学态度、深 厚的学术造诣、崇高质朴的品德风范以及豁达的生活态度，是我终生学习楷模。 值此论文完成之际，我要向禹老师致以衷心的感谢和崇高的敬意。 感谢董小峰师兄，读研期间他在生活上和学习上给予我许多关照，每当我有 不会的问题时，他就会细心地给我指导。 感谢曾经给予我帮助的其他老师们，感谢所有关心、支持、帮助我的亲朋好 友们。 最后感谢所有审阅本论文的各位专家评委能够在百忙之中对我的论文提出宝 贵的意见和建议。 此致 敬礼 丁俊才 河南理工大学 2012. 3. 25 摘要 各向异性亦称“非均质性”。指物体的全部或部分物理、化学等性质随方向 的不同而各自表现出一定的差异的特性。各向异性材料的许多独特优点，如强度 比和刚度比高、抗疲劳性和抗振性能好以及结构的可设计性等，使得其在许多领 域得到越来越广泛的应用。进而，对其性能改进的要求越来越高，这就要求有更 先进的检测方法对该种材料的特性进行检测。 先进的复合材料力学特性的检测方法通常利用结构的动力学响应（如位移响 应，振动频率及波速等）与材料特性之间的复杂关系。通过一个数学模型来表示 这种关系时，称为前向问题。这种前向问题可以由解析或数值的方法来解决。继 而，如果拥有一系列精确实验测量的结构响应数据，结合大量的前向计算，则复 合材料的材料特性可以通过正确构建的反演模型来辨识。目前较有前景的智能反 演算法有神经网络（neural network: NN），遗传算法（genetic algorithm: GA）和 模糊逻辑（fuzzy logic: FL）算法等。 本文首先采用勒让德多项式级数方法研究了各向异性结构的导波特性，得到 了结构的频散曲线，解决了前向计算问题。然后基于结构频散的多模态导波群速 度，分别采用神经网络算法和遗传算法两种算法建立反演模型，通过数值模拟反 演了正交各向异性板和完全各向异性板的弹性常数，并总结了这两种方法的优缺 点。 神经网络反演模型方面，首先将前向理论计算得到的超声波信号进行预处理， 提取信号的特征信息(本文提取的是在不同频率点下前几个低阶导波模态的群速 度)，以获取神经网络训练样本，接着设计合适的网络模型，将训练样本送入网络 中进行训练和学习，确定网络参数，最后将模拟波形作为输入，送入已经训练好 的网络中，反演出材料的弹性常数。对于导波和遗传算法相结合，提取的仍然是 在不同频率点下前向理论计算的前几个低阶导波模态的群速度，然后设计合适的 程序，在各向异性板弹性常数可能的变化范围内按照一定规则逐步搜寻、优化某 一个误差函数，直至该误差函数取得最优解，那么当该误差函数取得最优解时所 对应的弹性常数即为该各向异性板的弹性常数。 关键词：导波；频散特性；多模态特性；神经网络；遗传算法 I II Abstract Anisotropy, also known as heterogeneous.Mean all or part of the physical, chemical and other properties of