基于GRNN-ELM的飞机复合材料结构损伤识别

• 作者: 于明月 崔建国 张善好 林泽力 江秀红 蒋丽英
• 来源期刊: 南京航空航天大学学报
• 学科: 航空航天
• 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
• 年，卷（期）: 2017,（4）
• 页码范围: 468-473
• 页数: 6页
• 分类号: V25
• 字数: 3787字
• 语种: 中文
• DOI: 10.16356/j.1005-2615.2017.04.003

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(Kernelindependent 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔建国	沈阳航空航天大学自动化学院	87	573	15.0	20.0
3	蒋丽英	沈阳航空航天大学自动化学院	45	243	7.0	14.0
4	江秀红	沈阳航空航天大学电子信息工程学院	29	49	4.0	5.0
5	于明月	沈阳航空航天大学自动化学院	32	50	3.0	3.0
8	张善好	沈阳航空航天大学电子信息工程学院	3	4	1.0	2.0