首页  |  期刊简介  |  编委会  |  稿件评审流程  |  学术道德规范  |  论文检索  |  期刊订阅  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1005-2615
国内刊号:32-1429/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式ʽ
  • 主管:工业和信息化部
  • 主办:南京航空航天大学
  • 国际刊号:1005-2615
  • 国内刊号:32-1429/V
  • 地址:南京市御道街29号
  • 电话:025-84892726
  • 传真:025-84892726
  • E-mail:tnc01@nuaa.edu.cn
  • 邮编:210016
崔建国 张善好 于明月 蒋丽英 江秀红 林泽力.基于GRNN-ELM的飞机复合材料结构损伤识别[J].南京航空航天大学学报,2017,49(4):468-473
基于GRNN-ELM的飞机复合材料结构损伤识别
Damage Identification of Aircraft Composite Structure Based on GRNN-ELM
  
DOI:
中文关键词:  变分模态分解;奇异熵;核独立分量分析;GRNN-ELM组合神经网络;损伤识别
英文关键词:variational mode decomposition; singular entropy; kernel independent component analysis; GRNN-ELM combined neural network; damage identification
基金项目:
作者单位
崔建国 张善好 于明月 蒋丽英 江秀红 林泽力 1. 沈阳航空航天大学自动化学院,沈阳,110136; 2. 沈阳航空航天大学电子信息工程学院,沈阳,110136; 3. 航空工业上海航空测控技术研究所故障诊断与健康管理技术航空科技重点实验室,上海,201601 
摘要点击次数: 30
全文下载次数: 41
中文摘要:
      飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function, IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析 (Kernel independent component analysis, KICA) 方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。
英文摘要:
      Aircraft structure damage seriously affects the aircraft flight safety. In order to effectively identify aircraft composite structure damage, a new method combining general regression neural network (GRNN) and extreme learning machine (ELM) of composite structure damage diagnosis is proposed in this paper. Firstly, the data of fiber optic sensor on composite material laminated plates are gathered and pre-processed after striking and stretching on composite laminated plates. Secondly, strain information is decomposed by variational mode decomposition (VMD), and intrinsic mode functions (IMFs) are obtained. Meanwhile, the singular entropy feature of each IMF is derived. Then, a feature vector is built by kernel independent component analysis (KICA). Finally, the fusion feature vector is used to build GRNN-ELM identification model. Experimental data verify the effectiveness of the GRNN-ELM method,and the result shows that the GRNN-ELM model can realize aircraft composite structure damage identification more effectively compared with ELM and GRNN models, respectively, thus it has a good engineering application value.
[HTML]  查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《南京航空航天大学学报》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892726      传真:025-84892726       E-mail:tnc01@nuaa.edu.cn

您是本站第1150694位访问者 本站今日一共被访问165

技术支持:北京勤云科技发展有限公司

敬请关注《南航学报》官方微信,微信号:NanHangXueBao