APP下载

基于贝叶斯正则化BP神经网络的铝平板超高速撞击损伤模式识别

2016-08-04庞宝君

振动与冲击 2016年12期
关键词:模式识别信号实验

刘 源, 庞宝君

(哈尔滨工业大学 航天学院,哈尔滨 150080)

基于贝叶斯正则化BP神经网络的铝平板超高速撞击损伤模式识别

刘源, 庞宝君

(哈尔滨工业大学 航天学院,哈尔滨150080)

损伤模式识别是空间碎片撞击航天器在轨感知技术中的一个重要功能模块,是目前研究的重点和难点。采用超高速撞击声发射技术,以铝合金平板为研究对象,通过大量超高速撞击实验获取实验信号,结合虚拟波阵面的精确源定位技术、时频分析技术及小波分解技术。从超高速撞击声发射信号中提取并优选与损伤模式直接相关的时频参数,建立了基于贝叶斯正则化BP神经网络的损伤模式识别方法,识别了铝合金板面受撞击形成的成坑/穿孔两种主要损伤模式。

空间碎片;超高速撞击;声发射;神经网络;损伤模式识别

迄今为止人类进行了近5 000次航天发射活动,为空间科学的发展做出的重大贡献,同时产生的大量空间碎片遗留在轨道空间中,尤其对长期在轨运行的大型航天器的安全问题产生很大威胁[1]。其中毫米级别的空间碎片威胁最大,因其体积小、难以通过观测手段获知其准确运行轨道并进行规避。为保障大型航天器在轨安全性,需要实时感知其受空间碎片撞击情况。这种能够实现感知空间碎片超高速撞击情况的系统被称为“在轨感知系统”。其中基于声发射的感知系统具有较好的可实现性,且具有较高的定位能力,国外已研究和开发了相关……

登录APP查看全文

猜你喜欢

模式识别信号实验
记一次有趣的实验
信号
完形填空二则
做个怪怪长实验
基于FPGA的多功能信号发生器的设计
浅谈模式识别在图像识别中的应用
第四届亚洲模式识别会议
NO与NO2相互转化实验的改进
实践十号上的19项实验
基于LabVIEW的力加载信号采集与PID控制