文章详情
| 稿件标题： | 基于广义回归神经网络的裂纹扩展定量监测模型研究 |
| 稿件作者： | 谢晓东，柳月，李孟伟，衣超，庞凤颖 |
| DOI： | 10.11809/bqzbgcxb2025.01.026 |
| 科学编辑： | 赵德尊 博士（北京工业大学 副教授、博导） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 裂纹扩展；神经网络；传感器；特征提取；数据融合 |
| 文章摘要： | 装甲车关重件结构中形成的裂纹会导致性能下降甚至引发事故，为了开发先进的裂纹监测技术，提出了一种基于广义回归神经网络的裂纹扩展定量监测模型。该模型能够根据结构在循环载荷下产生的电阻应变信号和Lamb波信号，预测裂纹长度和扩展速率。采用了多传感器的裂纹扩展特征提取方法，利用压电传感器和电阻应变片2种不同类型的传感器，结合被动监测和主动监测2种不同模式的监测技术，从电阻应变信号中提取出与裂纹长度和扩展速率相关的特征参数。采用了随机森林算法和D-S证据理论2种不同方法的数据处理技术，实现了对裂纹长度的有效识别和数据融合。基于不同裂纹长度、不同载荷频率、不同传感器位置等情况下的电阻应变信号和Lamb波信号，开展了模型的训练和测试。 |
| 引用本文格式： | 谢晓东，柳月，李孟伟，等.基于广义回归神经网络的裂纹扩展定量监测模型研究［J］.兵器装备工程学报，2025，46(1)：197-203，276. XIE Xiaodong, LIU Yue, LI Mengwei, et al.Research on a quantitative monitoring model for crack propagation based on generalized regression neural network［J］.Journal of Ordnance Equipment Engineering，2025，46(1)：197-203，276. |
| 刊期名称： | 2025年01期 |
| 出版时间： | 2025年1月 |
| 收稿日期： | 2023-12-26 |
| 修回日期： | 2024-02-21 |
| 录用日期： | 2024-03-15 |
| 上线时间： | 2025年1月31日 |
| 浏览次数： | 930 |
| 下载次数： | 14 |
| 免费阅读PDF 下载本期目录 下载本期封面 | |