《检测结构损坏检测损坏部位预测剩余寿命.docx》由会员分享,可在线阅读,更多相关《检测结构损坏检测损坏部位预测剩余寿命.docx(3页珍藏版)》请在第壹文秘上搜索。
1、目的:检测结构损坏,检测损坏部位(bay托架OrStringer纵梁),预测剩余寿命(文中简介提到,但本文并未有此部分)实验结构:平板上有4条纵梁,纵梁间有托架,共3托架(铝材料)Stringer数据获取传感器监测(各向应力数据,共20各数据采集点集中分布于纵梁上);补充数据获取:有限元模拟应用的主要理论方法:GA-SVM检测,ANN预测寿命(估计是作者后续工作,本文未展开)GA目的:优化svm参数,如RBF核参数,svm软边界参数C待定问题:(.个人理解本文的创新处,其他多为方法应用)上述提到损坏与损坏部位,即有以下情况:1 .无损坏,2.损坏在托架,34员坏在纵梁,4.均损坏(实际概率较小
2、,毕竟单一损坏已是偶发事件,文中未讨论)本文的解决策略:分策略1与策略2策略12 .先用SVM区分损坏与无损坏;3 .另建SVM区分产生损坏是托架还是纵梁策略21 .先用SVM区分纵梁是否损坏2 .纵梁若无损坏则检测托架是否损坏TnMkBestAccuracy(on3foldscrossvalidation)BestAccuracy(onthreefold*cro*vjlidatin)PreviousStudy:ANNhiernrchiesFirstApproachDamage/NoDamage99.92%80.02%DamageonBayDamageonStrincer99.97%79.53
3、%Second.ApproachDamageonStringer/NoDamage93.40%84.86%DamageonBay/NoDamage99.73%93.05%个人思考:1 .Svm多分类能否应用此问题?.不过本文最后给的结果精度实在高的离谱.均在99.9%以上,没有再优化价值.2 .很明显识别策略的不同对结果有很大影响,为以后同类问题提供思路参考文献:F.Archetti,G.Arosio,A.Candelieri,I.GiordaniandR.Sormani,Smartdatadrivenmaintenance:Improvingdamagedetectionandassessmentonaerospacestructures,2014IEEEMetrologyforAerospace(MetroAeroSpace),Benevento1Italy,2014,pp.101-106,doi:10.1109MetroAeroSpace.2014.6865902.