留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于MEMD和ELM的飞机机翼健康状态预测技术

崔建国 徐舲宇 于明月 蒋丽英 王景霖 林泽力

崔建国, 徐舲宇, 于明月, 等 . 基于MEMD和ELM的飞机机翼健康状态预测技术[J]. 北京航空航天大学学报, 2017, 43(8): 1501-1508. doi: 10.13700/j.bh.1001-5965.2016.0610
引用本文: 崔建国, 徐舲宇, 于明月, 等 . 基于MEMD和ELM的飞机机翼健康状态预测技术[J]. 北京航空航天大学学报, 2017, 43(8): 1501-1508. doi: 10.13700/j.bh.1001-5965.2016.0610
CUI Jianguo, XU Lingyu, YU Mingyue, et al. Health state prediction technique for aircraft wing based on MEMD and ELM[J]. Journal of Beijing University of Aeronautics and Astronautics, 2017, 43(8): 1501-1508. doi: 10.13700/j.bh.1001-5965.2016.0610(in Chinese)
Citation: CUI Jianguo, XU Lingyu, YU Mingyue, et al. Health state prediction technique for aircraft wing based on MEMD and ELM[J]. Journal of Beijing University of Aeronautics and Astronautics, 2017, 43(8): 1501-1508. doi: 10.13700/j.bh.1001-5965.2016.0610(in Chinese)

基于MEMD和ELM的飞机机翼健康状态预测技术

doi: 10.13700/j.bh.1001-5965.2016.0610
基金项目: 

国防基础科研项目 Z052012B002

航空科学基金 20163354004

航空科学基金 20153354005

辽宁省自然科学基金 2014024003

详细信息
    作者简介:

    崔建国   男, 博士, 教授。主要研究方向:飞行器健康诊断与预测及综合健康管理, 智能信息获取、处理与识别, 飞行器状态监测与智能控制, 系统仿真与应用

    徐舲宇  女,硕士研究生。主要研究方向:飞行器健康诊断与预测及综合健康管理

    通讯作者:

    崔建国, E-mail: gordon_cjg@163.com

  • 中图分类号: V258+.3

Health state prediction technique for aircraft wing based on MEMD and ELM

Funds: 

National Defense Basic Research Program Z052012B002

Aeronautical Science Foundation of China 20163354004

Aeronautical Science Foundation of China 20153354005

Natural Science Foundation of Liaoning Province of China 2014024003

More Information
  • 摘要:

    复合材料在现代飞机结构中的应用越来越广泛,为了有效地对飞机机翼健康状态进行预测,提出了基于多元经验模态分解(MEMD)和极限学习机(ELM)的飞机机翼健康状态预测方法。以某型飞机复合材料机翼盒段为具体研究对象,对其进行冲击与疲劳加载试验,利用光纤传感器及其采集系统募集飞机复合材料机翼盒段的原始应变信息,对其健康状态予以表征。对所采集的原始应变信息进行MEMD分解,提取分解后各频带信号的能量熵作为表征飞机复合材料机翼盒段健康状态的特征信息,采用动态主元分析法(DPCA)将所提取的能量熵特征信息进行融合,采用融合后所得到的能量熵构建ELM预测模型,对某型飞机复合材料机翼盒段健康状态进行预测。试验研究表明,本文方法可以有效实现飞机机翼的健康状态预测,具有很好的应用前景。

     

  • 图 1  SLFN结构图

    Figure 1.  Structure chart of SLFN

    图 2  结构损伤预测方案

    Figure 2.  Prediction scheme of structural damage

    图 3  疲劳加载试验

    Figure 3.  Test of fatigue loading

    图 4  机翼盒段梁上冲击损伤位置及传感器布置

    Figure 4.  Impact damage location and sensor placement on beam of aircraft wing box section

    图 5  第42万次疲劳循环加载后传感器1数据MEMD分解

    Figure 5.  Decomposition of data from Sensor 1 with MEMD after 420 000 times of cyclic fatigue loading

    图 6  4个传感器对应能量熵特征趋势分析

    Figure 6.  Energy entropy feature trend analysis corresponding to four sensors

    图 7  能量熵特征融合结果

    Figure 7.  Results of energy entropy feature fusion

    图 8  基于融合能量熵的机翼盒段健康状态预测

    Figure 8.  Health state prediction of aircraft wing box section based on fused energy entropy

  • [1] 郑锡涛, 李泽江, 李光亮.含损伤复合材料层合板剩余压缩强度研究进展[J].宇航材料工艺, 2011, 41(3):20-26. http://www.cnki.com.cn/Article/CJFDTOTAL-YHCG201103008.htm

    ZHENG X T, LI Z J, LI G L.Advance of study on residual compressive strength of damaged composite laminates[J].Aerospace Material & Technology, 2011, 41(3):20-26(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-YHCG201103008.htm
    [2] 徐颖. 复合材料层合板冲击损伤及冲击后疲劳寿命研究[D]. 南京: 南京航空航天大学, 2007: 108-123.

    XU Y.Research on impact damage of laminates and fatigue life of impacted laminates[D].Nanjing:Nanjing University of Aeronautics and Astronautics, 2007:108-123(in Chinese).
    [3] 李伟占. 复合材料层合板损伤失效模拟分析[D]. 哈尔滨: 哈尔滨工程大学, 2012: 29-55.

    LI W Z.Progressive damage analysis of composite laminates[D].Harbin:Harbin Engineering University, 2012:29-55(in Chinese).
    [4] 施志凯. 热力耦合下复合材料层合板渐进性损伤分析[D]. 大连: 大连理工大学, 2013: 43-60.

    SHI Z K.Progressive damage analysis of laminated composite under thermal-mechanical coupling load[D].Dalian:Dalian University of Technology, 2013:43-60(in Chinese).
    [5] 鲁国富. 直升机复合材料桨叶疲劳研究[D]. 南京: 南京航空航天大学, 2010: 59-71.

    LU G F.Research on fatigue progressive damage analysis method for composite of helicopter blade[D].Nanjing:Nanjing University of Aeronautics and Astronautics, 2010:59-71(in Chinese).
    [6] SUNDARESAN M J, SCHULZ M J, GHOSHAL A, et al.A neural system for structural health monitoring[C]//Proceedings of SPIE, Smart Structures and Materials.Bellingham, WA:SPIE, 2001, 4328:130-141.
    [7] KIRIKERA G, DATTA S, SCHULZ M J, et al.Recent advances in an artificial neural system for structural health monitoring[C]//Proceedings of the SPIE, NDE and Health Monitoring of Aerospace materials and Composites Ⅱ.Bellingham, WA:SPIE, 2003:152-163.
    [8] 刘源. 基于多元EMD的BCI信号处理研究[D]. 秦皇岛: 燕山大学, 2013: 22-39.

    LIU Y.Study on signal processing of BCI based on multivariate empirical mode decomposition[D].Qinhuangdao:Yanshan University, 2013:22-39(in Chinese).
    [9] 张毅, 周春雨, 罗元.基于MEMD的运动想象脑电信号的特征提取与分析[J].重庆邮电大学学报(自然科学版), 2015, 27(3):386-391. doi: 10.3979/j.issn.1673-825X.2015.03.016

    ZHANG Y, ZHOU C Y, LUO Y.Feature extraction and analysis of imaginary movements in EEG based on MEMD[J].Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2015, 27(3):386-391(in Chinese). doi: 10.3979/j.issn.1673-825X.2015.03.016
    [10] 武哲, 杨绍普, 刘永强.基于多元经验模态分解的旋转机械早期故障诊断方法[J].仪器仪表学报, 2016, 37(2):241-248. http://www.cnki.com.cn/Article/CJFDTOTAL-YQXB201602001.htm

    WU Z, YANG S P, LIU Y Q.Rotating machinery early fault diagnosis method based on multivariate empirical mode decomposition[J].Chinese Journal of Scientific Instrument, 2016, 37(2):241-248(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-YQXB201602001.htm
    [11] 张超. 基于自适应振动信号处理的旋转机械故障诊断研究[D]. 西安: 西安电子科技大学, 2012: 26-43.

    ZHANG C.Fault diagnosis research of rotating machinery based on adaptive processing of vibration signal[D].Xi'an:Xidian University, 2012:26-43(in Chinese).
    [12] 张超, 陈建军, 郭迅.基于EMD能量熵和支持向量机的齿轮故障诊断方法[J].振动与冲击, 2010, 29(10):216-220. doi: 10.3969/j.issn.1000-3835.2010.10.045

    ZHANG C, CHEN J J, GUO X.A gear fault diagnosis method based on EMD energy entropy and SVM[J].Journal of Vibration and Shock, 2010, 29(10):216-220(in Chinese). doi: 10.3969/j.issn.1000-3835.2010.10.045
    [13] 张超, 陈建军, 郭迅.基于EEMD能量熵和支持向量机的齿轮故障诊断方法[J].中南大学学报(自然科学版), 2012, 43(3):932-939. http://www.cnki.com.cn/Article/CJFDTOTAL-ZNGD201203024.htm

    ZHANG C, CHEN J J, GUO X.Gear fault diagnosis method based on ensemble empirical mode decomposition energy entropy and support vector machine[J].Journal of Central South University (Science and Technology), 2012, 43(3):932-939(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-ZNGD201203024.htm
    [14] 石怀涛, 刘建昌, 丁晓迪, 等.基于混合动态主元分析的故障检测方法[J].控制工程, 2012, 19(1):148-151. http://www.cnki.com.cn/Article/CJFDTOTAL-JZDF201201038.htm

    SHI H T, LIU J C, DING X D, et al.Fault detection based on hybrid dynamic principal component analysis[J].Control Engineering of China, 2012, 19(1):148-151(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-JZDF201201038.htm
    [15] 钟丽丽. 基于动态主元分析的故障诊断研究[D]. 青岛: 青岛科技大学, 2013: 18-21.

    ZHONG L L.Research on fault dlagnosis of dynamic principle component analysis[D].Qingdao:Qingdao University of Science & Technology, 2013:18-21(in Chinese).
    [16] 李磊. 基于极限学习机的风机机械传动部件剩余寿命预测研究[D]. 秦皇岛: 燕山大学, 2015: 20-36.

    LI L.Residual life prediction research for mechanical drive components of wind turbing based on extreme learning machine[D].Qinhuangdao:Yanshan University, 2015:20-36(in Chinese).
    [17] 李培. 基于PCA-ELM的预测模型在煤矿突水预测中的应用[D]. 徐州: 中国矿业大学, 2014: 18-26.

    LI P.The application of forecasting model based on PCA-ELM in coal mine water burst prediction[D].Xuzhou:China University of Mining & Technology, 2014:18-26(in Chinese).
    [18] 潘华贤, 程国建, 蔡磊.极限学习机与支持向量机在储层渗透率预测中的对比研究[J].计算机工程与科学, 2010, 30(2):131-134. http://www.cnki.com.cn/Article/CJFDTOTAL-JSJK201002037.htm

    PAN H X, CHENG G J, CAI L.Comparison of the extreme learning machine with the support vector machine for reservoir permeability prediction[J].Computer Engineering & Science, 2010, 30(2):131-134(in Chinese). http://www.cnki.com.cn/Article/CJFDTOTAL-JSJK201002037.htm
  • 加载中
图(8)
计量
  • 文章访问数:  581
  • HTML全文浏览量:  18
  • PDF下载量:  606
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-07-19
  • 录用日期:  2016-10-21
  • 网络出版日期:  2017-08-20

目录

    /

    返回文章
    返回
    常见问答