机翼一体化天线变形重构标定方法研究

针对传统的误差标定方法存在网络训练速度迟缓、生成规则数量多且泛化能力不足的问题,本文提出了一种基于主成分分析和自构架模糊网络(PCA-SCFN)的标定方法,实现了机翼一体化天线的实时高精度变形重构。首先,基于逆有限元方法(iFEM)建立了位移-节点自由度误差模型,并通过单调快速迭代收缩阈值算法(MFISTA)对逆问题进行求解;其次,引入了PCA降维方法降低应变维度,从而简化训练网络复杂度;再次,对小样本训练集进行非均匀有理B样条(NURBS)拟合实现数据扩充,提高网络泛化能力并降低噪声对训练集的影响;最后,基于三角形隶属函数(MF)和Takagi-Sugeno(T-S)模糊模型进行自构架模糊网络(SCFN)训练获得模糊规则。机翼加载实验结果表明,基于PCA-SCFN的标定方法具有更快的训练速度和更少的规则数量,同时能够获得更高的重构精度。当机翼负载80 N时,结构最大变形为-134.36 mm,最大重构误差仅为0.46 mm,SCFN训练时间仅为9.715 s,规则数量最多仅有121条。因此,基于PCA-SCFN的标定方法是一种能够应用于机翼变形监测的有效方法。