基于神经网络铝板机磁阻抗结构损伤识别

提出一种将机磁阻抗技术用于金属板结构健康监测的方法,并使用BP神经网络数据处理技术实现金属板损伤程度的定量识别.首先,建立铝板与磁致伸缩材料构成的机磁阻抗模型,并推导出模型的耦合电阻抗表达式.然后,利用有限元软件ANSYS建立耦合系统的三维模型,并通过有限元谐响应分析方法得到铝板在缺陷尺寸从5mm变化到13mm的机磁阻抗谱.同时,建立BP神经网络模型,对缺陷尺寸为7mm和12mm的机磁阻抗谱进行验证.结果表明,神经网络能够准确识别出铝板缺陷的损伤级别.在铝板机磁阻抗检测中使用神经网络进行数据处理,不仅可以实现缺陷尺寸的精确定量,而且还具有较高的稳定性.

铝板损伤的超声Lamb波与机磁阻抗集成检测

提出了一种铝板结构健康检测的新方法,即将机磁阻抗和超声Lamb波两种技术结合起来应用于铝板结构健康检测的方法,并通过仿真研究证明了此法的可行性。超声Lamb波技术传播距离远、检测范围广、损伤定位准确,但局部灵敏度低,在对损伤程度和缺陷类型的识别上并不理想;阻抗技术检测时局部灵敏度很高,但检测范围有限、损伤定位困难。将两种方法结合起来进行结构健康检测,结合其优点,不仅可以检测出损伤的位置,还可获得损伤程度和缺陷类型等信息。同时,提出了一个融合机磁阻抗和超声导波数据的综合损伤指数,以指数的不同变化范围来对损伤程度和类型进行定性识别。