位置:成果数据库 > 期刊 > 期刊详情页
基于神经网络技术的管道机电阻抗健康状况定量评估研究
  • ISSN号:1001-4888
  • 期刊名称:《实验力学》
  • 时间:0
  • 分类:TP277[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]北京工业大学机电学院,北京100124
  • 相关基金:NSFC-RGC联合资助项目(60831160523); 国家自然科学基金项目(50975006,51075012,11172014); 北京市自然科学基金(1122007); 北京市教委科技计划(KM201010005003); 北京市科技新星计划(2008A015)
中文摘要:

将机电阻抗法用于管道法兰和主干结构健康监测,并利用BP神经网络对结构损伤进行定量评估。首先实验研究了管道法兰与主干结构健康状况对阻抗谱的影响,不同的结构损伤可通过阻抗分析仪测量的阻抗实部谱变化反映出来;然后利用BP神经网络技术对管道不同工况下得到的阻抗实部谱进行定量分析。采用阻抗值实部作为输入样本对神经网络进行训练,并使用受训的神经网络实现了对管道中不同结构损伤状况的定量评估。研究结果表明,将机电阻抗法与神经网络数据处理技术结合起来用于复杂管道的结构健康监测,不仅可实现对不同类型损伤的定量评估,同时还具有较高的稳定性。

英文摘要:

Electromechanical impedance method was adopted to monitor the health condition of flange and main body of pipeline structure, furthermore, BP neural network was used to evaluate structure damage quantitatively. In experiment, the influence of health condition of flange and pipeline structure main body on the impedance spectra was studied firstly, then, the variation of real parts of impedance spectra obtained from impedance analyzer can characterize the different kinds of structure damage. BP neural network technique was used to quantitatively analyze the real parts of impedance spectrum under pipeline structure different working conditions. The real part of impedance spectra were selected as input samples to train developed neural network, finally, the trained neural network can achieve the quantitative evaluation of different kinds of damage in pipeline structure. Results show that the combination of electromechanical impedance method and neural network data processing technique for structural health monitoring of complex pipeline structure not only can effectively achieve quantitative evaluation of different kinds of defect but also have high stability.

同期刊论文项目
期刊论文 24 会议论文 13 获奖 2 专利 4 著作 1
同项目期刊论文
期刊信息
  • 《实验力学》
  • 中国科技核心期刊
  • 主管单位:中国科协
  • 主办单位:中国力学学会 中国科学技术大学
  • 主编:于起峰
  • 地址:安徽省合肥市金寨路96号中国科技大学
  • 邮编:230026
  • 邮箱:sylx@ustc.edu.cn
  • 电话:0551-3601246
  • 国际标准刊号:ISSN:1001-4888
  • 国内统一刊号:ISSN:34-1057/O3
  • 邮发代号:26-57
  • 获奖情况:
  • 国内外数据库收录:
  • 日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:6587