基于扩展有限元法与BP神经网络的裂纹智能识别研究

来源 :南昌航空大学 | 被引量 : 0次 | 上传用户:liongliong495
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
裂纹是工程结构中的典型缺陷,其存在会影响结构的承载力、适用性和耐久性,甚至可能会造成结构物的垮塌等严重事故。因此,快速准确识别结构中的裂纹是保障结构可靠的重要措施之一,相关研究具有重要的理论价值和应用前景。凭借高效率、高精度、低成本和适用性强等特点,数值技术与人工智能算法的协同研究为裂纹识别提供了新途径。本文将扩展有限元法(XFEM)分别与误差反向传播多层前馈(BP)神经网络算法和经遗传算法(GA)优化的BP(GA-BP)神经网络算法相结合,用于裂纹的反演分析。在验证方法可行性和精度的基础上进一步探讨测点布置方式及输入数据噪声等因素对识别精度的影响,完成的主要工作包括:(1)给出了XFEM的基本思想及其求解裂纹问题的位移近似函数和总体离散方程,阐述了XFEM模拟裂纹问题的实施细节,基于FORTRAN语言编制了相应的程序,在此基础上通过典型算例验证了方法的精度。(2)给出了BP神经网络的工作原理以及网络的主要训练过程,列出了基于XFEM-BP神经网络算法进行裂纹反演分析的主要流程,基于MATLAB软件编制了相应的程序,通过典型算例验证了方法的可行性和精度,在此基础上进一步探讨了测点分布情况和输入数据噪声对BP神经网络预测结果的影响。(3)给出了GA优化BP神经网络的流程,描述了GA-BP神经网络算法的实现过程,列出了基于XFEM与GA-BP神经网络算法进行裂纹反演分析的主要流程,基于MATLAB软件编制了相应的程序,通过典型算例考察了不同裂纹构型和输入数据噪声下GA-BP神经网络的预测精度,并进一步对GA-BP神经网络和标准BP神经网络的精度和鲁棒性进行了比较。
其他文献
飞机承力梁作为一种重要的承力结构件,其质量直接关系到飞行安全,对飞机承力部件进行无损检测具有重要意义。本文基于涡流检测原理,结合仿真分析和试验研究两种方法,计算并匹配了线圈阻抗,设计优化了线圈阻抗匹配探头,研究了复材贴敷状态下不同半径扇形缺陷端点处涡流场扩散规律,提出了裂纹尖端辨识方法,研制了以步进电机丝杆带动涡流检测探头运动的自动化扫查工装,研发了基于STM32H743的嵌入式技术控制的测长控制
学位
随着工业现代化步伐加快,铁磁性材料在各工业领域中使用愈加广泛,材料应力集中是铁磁性构件发生损伤的主要原因之一。针对目前铁磁性材料单一应力检测方法存在数据参数随机性强、检测结果精度和鲁棒性差的问题。本文基于巴克豪森(MBN)信号和磁声发射(MAE)信号原理,提出MAE和MBN检测数据的磁-声特征融合方法,利用分布式梯度增强库xgboost机器学习方法建立特征参数模型,实现对铁磁性材料更为可靠的应力测
学位
铜作为最常见的有色金属之一,因其具有良好的延展性、抗拉性以及耐蚀性等一系列优点,在电子电气、交通运输、机械制造等行业中得到了广泛的应用。高纯铜相比于一般的铜材料具有更加优异的物理性能,在高精尖技术领域如超导、航空航天中甚至能被用来代替一些价格高昂的稀有金属材料。随着我国产业升级的进行,各种工程材料服役的新环境也愈加苛刻。高强载荷下非铁磁性金属的应力损伤作为材料损伤断裂的一种典型方式,也是与材料使用
学位
航空航天等领域关键材料或器件,质量要求高,需实施可靠的检测。超声检测具有穿透能力强、检测成本低、材料内部缺陷检测灵敏度和准确率高等优点,得到了广泛的应用。随着航空航天装备性能的不断提升,对缺陷检出量级提出了更高的要求,需实现微小缺陷的检测能力。微小缺陷超声检测与常规超声检测不同,其检出能力受信号采集噪声、图像噪声和各种随机噪声等影响更明显,各种噪声干扰导致不能够正确识别微小缺陷。现有商业化设备只能
学位
为了解决磁声发射检测技术中存在的实验仪器参数设计固定、传统时域信号特征量无法准确反映信号特性等问题,本文在充分分析磁声发射信号影响因素的基础上,优化了磁声发射检测装置;通过对实验得到磁声发射检测信号进行特征分析,提出了基于样本熵的特征提取方法,将其和无量纲指标相结合,构造出抗噪声能力强、受工况影响小的复合无量纲指标。本文主要工作内容如下:通过分析磁声发射检测技术的研究现状,明确了目前磁声发射检测技
学位
涡轮叶片是航空发动机中的核心部件之一,无损检测是控制涡轮叶片生产质量的关键技术,涡轮叶片中微裂纹会在服役过程中受疲劳因素影响而扩展,甚至造成叶片断裂,针对涡轮叶片微裂纹进行无损检测对保障飞行安全性有重要意义。本文以航空发动机涡轮叶片为对象,以涡流检测和X射线成像检测两种方法开展涡轮叶片微裂纹无损检测试验。针对涡轮叶片微裂纹检测问题,首先开展了低压涡轮叶片进气边及排气边微小缺陷的涡流检测研究,确定涡
学位
一般多目标优化问题需要同时优化的目标数通常在2个或3个,当目标数超过3个时,多目标优化问题就会被称为高维多目标优化问题。多目标优化问题的多个目标之间相互冲突,提升其中一个目标的性能往往会使得其他目标的性能下降,无法获得单一最优解,只能获得一组折衷解。另外,随着优化问题中目标数目的增加,如何有效平衡收敛性和多样性也是一个难点。针对处理高维多目标优化问题过程中的困难,本文提出了几种改进算法以提高求解高
学位
X射线检测技术作为一种常规无损检测方法已有近百年历史,随着计算机技术发展,以平板探测器为主流的数字射线技术已得到了广泛应用。然而在工业检测领域受透照条件、现场环境等因素影响,普通胶片仍然有着无法替代的地位。如何实现这些胶片数字化,便于计算机存贮和传输,实现缺陷智能识别,成为传统胶片使用过程中亟需解决的关键问题。本文以平板焊缝X射线检测胶片为对象,通过扫描仪实现图像数字化。通过研究图像处理和机器学习
学位
固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)作为一种高温电化学装置,具有清洁高效、余热利用率高、燃料选择广泛等优点。然而,SOFC的大规模商业化受到成本、性能、耐久性的限制。为了解决这些问题,不仅仅需要对于各组分材料的性能进行优化,同时也需要对电极的微观结构进行优化,优异的电化学性能与SOFC材料在微纳米尺度上的结构紧密相关。因此,本文利用高分辨X射线CT技术获取了钇
学位
图像序列光流计算是从连续帧图像中估计难以直接获得的稠密像素点二维运动矢量,由于光流既包含了图像中目标与场景的运动参数,还携带了丰富的结构信息,因此是图像处理和计算机视觉领域的一项重要研究任务,研究成果被广泛应用于动作识别、目标检测、三维重建、自动驾驶以及卫星云图分析等领域,具有广泛的应用前景和重要的应用价值。近年来,随着以卷积神经网络为代表的深度学习理论与方法的快速发展,基于深度学习的光流计算技术
学位