基于提升格式小波包变换和神经网络的机翼盒段多损伤检测研究

基于提升格式小波包变换和神经网络机翼盒段多损伤检测研究 本文研究了基于提升格式小波包变换和神经网络的机翼盒段多损伤检测方法。该方法首先使用提升格式小波包变换对结构动态响应信号进行分析，提取出结构损伤敏感的特征量，然后使用多传感器信息融合和神经网络实现结构多损伤检测。 在提升格式小波包变换方面，本文研究了小波构造的边界处理方法及其优缺点，并分析了提升格式小波包基函数用于特征提取的可行性。结果表明，提升格式小波包作为小波包基函数，其分解后的频带能量泄漏较小，能很好的表征能量的分布，可用来对信号进行特征提取。 在机翼盒段有限元模型方面，本文建立了完好和几种不同损伤下的机翼盒段有限元模型，通过瞬态动力学分析，提取出结构的动态响应信号。在MATLAB环境下，利用提升格式小波包分析方法从结构的动态响应信号中构造和提取出对结构损伤敏感的特征量，分析了这些特征量和结构的损伤状态之间的关系。 在多传感器信息融合和神经网络方面，本文提出了基于特征融合和神经网络的损伤检测方法。对不同区域位置的传感器采集的动态响应信号进行提升格式小波包分解，得到小波包能量特征向量，对不同传感器得到的损伤特征向量进行特征融合，然后作为神经网络的输入训练网络，实现损伤的状态评估。 本文研究了基于提升格式小波包变换和神经网络的机翼盒段多损伤检测方法，该方法能够较好的避免噪声的干扰，提高结构损伤检测精度，对于实际测量误差有较强的鲁棒性。 知识点： 1. 提升格式小波包变换：一种小波变换方法，能够对信号进行特征提取，常用于结构健康监测技术。 2. 小波包基函数：小波变换的基础函数，能够对信号进行分解和重构。 3. 机翼盒段有限元模型：一种有限元模型，用于模拟机翼盒段的动态响应信号。 4.瞬态动力学分析：一种分析方法，用于提取结构的动态响应信号。 5. 多传感器信息融合：一种数据融合方法，用于结合多个传感器的数据，提高检测精度。 6. 神经网络：一种机器学习算法，用于对结构损伤状态的评估。 7. 结构健康监测技术：一种技术，用于检测和评估结构的健康状态。 8. 损伤特征量：一种特征量，用于表征结构的损伤状态。 9. 提升格式小波包变换算法：一种算法，用于对信号进行提升格式小波包变换。 10. MATLAB环境：一种软件环境，用于进行数值计算和数据分析。