首页> 中文学位 >基于模态声发射的平板超高速撞击损伤模式识别技术
【6h】

基于模态声发射的平板超高速撞击损伤模式识别技术

代理获取

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景与研究的意义

1.2 空间碎片撞击在轨感知技术

1.3 空间碎片碰撞在轨感知系统研究现状

1.4 主要研究内容

第2章 基础理论与方法

2.1 引言

2.2 模态声发射理论知识介绍

2.3 声发射信号获取技术与处理方法

2.4 损伤模式识别方法简介

2.5 数据融合技术简介

2.6 本章小结

第3章 特征参数的获取与分析

3.1 引言

3.2 数值仿真工况与各模态的提取

3.3 各模态特征参数的获取与分析

3.4损伤模式特征参数的选取

3.5 本章小结

第4章 单传感器神经网络模式识别

4.1 引言

4.2 成坑穿孔模式识别

4.3 弹丸速度识别

4.4 成坑坑深识别

4.5 穿孔孔径识别

4.6 本章小结

第5章 多传感器数据融合模式识别

5.1 引言

5.2 融合算法

5.3 成坑穿孔模式下的识别对比

5.4 弹丸速度模式下的识别对比

5.5 成坑坑深模式下的识别对比

5.6 穿孔孔径模式下的识别对比

5.7 本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢

展开▼

摘要

人类首次空间活动距今已有近60年的历史,空间活动的增加在给人类带来更多便利的同时也带来了空间碎片环境恶化的后果。由于空间碎片具有高动能的特点,对航天器在轨安全运行构成了很大威胁。为了增加航天器的生存力,航天员和地面控制人员需实时感知航天器受空间碎片撞击事件并进行相应应对措施,对空间碎片超高速撞击在轨感知系统的研发需求越来越迫切。目前主要基于模态声发射技术对该感知系统进行研究,将撞击产生的声发射信号波形与由该撞击产生的声发射物理过程相联系。利用该方法已基本实现在轨感知系统中撞击源定位模块的研发,但对于撞击损伤模式识别的研究较少。另外,当前对于超高速撞击损伤模式识别具有一定的局限性:多为单传感器、固定位置;识别方法上多采用统计学中的模式分类方法,且在选取特征参数时具有一定盲目性等。
  基于以上背景与研究现状,本文运用模态声发射技术,研究材料为Al2017的铝合金球弹丸撞击航天器中常用的Al5A06铝合金平板时的损伤模式识别问题。
  首先,利用小波分解重构的方法,将采集到的声发射信号中各个模态分别分离,根据所提取各个信号的特点选定能表征各个模态信息的特征参数。根据平板声发射的特点,提出并验证了平板超高速撞击声发射产生过程的一个假设,即:随撞击速度的增加,声发射源由板面声发射源向板内声发射源转变。
  随后,分析了各模态特征参数与损伤之间的关系。通过观察所提取的各个模态特征参数与撞击速度(在本文研究范围内撞击速度能够表征损伤情况)、传播距离之间的关系得出:当弹丸尺寸一定时,S0模态的各特征参数值跟撞击速度都呈线性关系,当撞击速度为2.5km/s时靶板被击穿,动能被弹丸带走导致趋势减缓;A0模态的两个特征参数跟撞击速度之间无明显的变化规律,但在靶板被击穿的临界速度2.5km/s处出现明显的极小值;S2模态各特征参数跟撞击速度之间有明显的线性关系,在靶板被击穿的临界速度2.5km/s出现极小值,且发现 S2模态随传播距离的增加而显著衰减,受传播距离的影响较大;总能量跟撞击速度之间的关系不明显,但各模态所占的能量比跟撞击速度之间关系密切,其中A0所占能量比重随撞击速度的增加而减小、S0、S2所占能量比重随撞击速度的增加而增加;对于 A0、S0能量比与传感器距离之间出现的不同现象是由于A0随传播距离的增加衰减率大于总能量的衰减率,S0则反之。在撞击速度为2.5km/s处出现不同的极值是因为弹丸击穿靶板后带走了以S0模态能量为主的大量能量。
  其次,针对之前研究中选取特征参数的盲目性,引入了评价单个特征参数对特定模式分类问题分类能力相对大小的K-W检验算法。并将使用经K-W检验筛选的特征参数与使用不经筛选全部特征参数的识别率对比得出:使用全部特征参数的识别率大于使用经K-W检验筛选之后的特征参数,但两者之间的差距不大。验证对复杂系统的损伤模式识别中,用K-W检验筛选特征参数的必要性。
  最后,针对目前工程中存在的损伤模式识别时传感器利用率不高的现象,设计了多传感器模式识别的数据融合算法,并通过对比撞击事件的平均识别率得出:在各个模式下采用多个传感器对撞击事件进行识别的正确率大于仅采用一个传感器的情况。且采用5个传感器的识别精度大于采用3个传感器的识别精度。
  本文的研究成果为空间碎片超高速撞击损伤模式识别的实现提供了理论基础,具有工程实现价值。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号