CN109918831A - 一种基于预测模型的局部应变全局化预测方法 - Google Patents
一种基于预测模型的局部应变全局化预测方法 Download PDFInfo
- Publication number
- CN109918831A CN109918831A CN201910215416.8A CN201910215416A CN109918831A CN 109918831 A CN109918831 A CN 109918831A CN 201910215416 A CN201910215416 A CN 201910215416A CN 109918831 A CN109918831 A CN 109918831A
- Authority
- CN
- China
- Prior art keywords
- strain
- prediction
- model
- load
- global
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明属于检测预测技术领域,涉及一种基于预测模型的局部应变全局化方法。该方法首先安装连接应变全局预测硬件***,控制万能试验机施加不同载荷,采集传感器的应变信号进行数据处理,选择合适算法及参数建立载荷与应变信号之间的非线性映射关系,利用实验数据训练模型,应用模型进行预测载荷,在仿真软件中利用准确加载条件,最终得到被测件的全局应变场状态。能有效的运用大量数据进行机器学习,避免了建立复杂的应变函数数学模型和其机理分析过程中不确定因素带来的难题,解决了有限元分析初始条件无法确定的问题,准确预测被测***的全局应变场状态。另外,此方法可以普遍适用于所有被测***,且能够满足全局预测的需求。该方法可以实现对任意复杂工况下被测***的全局高精预测,效率高、普适性强、操作简单方便、易推广。
Description
技术领域
本发明属于检测预测技术领域,涉及一种基于预测模型的局部应变全局化预测方法。
背景技术
作为飞机装配过程中重要监控手段之一,应力应变检测***起着保障飞机整机装配质量的关键作用。为保证装配过程满足飞机各部分零件间整合要求和技术指标,需建立有效的应力应变测量***,实时检测装配过程中工装整体应变场状态分布,分析预测工装偏差位置与偏差量,明晰偏差之间的联动关系,指导工装精度的调整与飞机装配的实施。由于飞机工装零件结构特征复杂且多样,现场空间有限无法布置较多测点等应变特性检测条件较为苛刻,导致应变***在预测效率、准确度以及全局性上都产生了一定的难度。有限元仿真分析方法利用数学近似的方法对真实物理几何和载荷工况进行模拟,利用简单而又相互作用的元素,就可以用有限数量的未知量去逼近无限未知量的真实***。现阶段全局场的状态主要依赖于有限元仿真获得,但是对飞机工装的全局应变状态预测需要获知初始加载条件作为仿真输入,现阶段由于在装配现场无法获知准确加载条件,导致全局预测的效果有精度低,效果差的问题,对实际工人操作起不到实质性的指导作用。现有的应力应变预测方法无法通过数值分析等方法推导出未知的载荷输入,无法满足对所有被测***监控预测需求。因此,如何合理设计全局应变预测方法实现可以对实际应用中不同复杂程度不同实时工况下的被测***进行全局准确预测成为目前的主要难题和研究方向。
单盈等人的专利《采用全局协方差进行地质属性预测的方法》,专利号为201610196003.6中公开了一种采用全局协方差进行地质属性预测的方法,进行三维构造模型后,根据已知点,利用全局协方差方法进行数学分析计算,预测该油藏的地址属性值。
苏浩秦等人于2002在航空计算技术期刊第1期发表的《FDI飞机舵面损伤故障全局检测的非线性数学模型》中阐述了飞机在单舵面损伤故障下,建立故障状态下的数学模型,得到飞机在相同飞行条件下损伤时的气动系数和无损伤正常时的气动系数,最终得到全局伤损状态检测。
赵程等人于2015在岩石力学与工程学报期刊第4期发表的《单轴压缩下基于全局应变场分析的岩石裂纹扩展及其损伤演化特性研究》中采用自主开发的图像分析软件结合数字图像相关技术对含预制单裂纹的类岩石材料在单轴压缩下的变形破坏特性进行试验研究,分析在加载全程不同阶段的裂纹扩展路径及其应力场分布特征。
以上三种方法虽然实现了从需求上完成预测的过程,但是对于更加复杂、更加宏观***的全局应变预测并不能达到准确且稳定的结果输出,普适性不高、效率低、精度差,且检测预测过程过于复杂不易推广,在实际应用中对操作人员的要求过大。
发明内容
本发明要解决的技术难题是克服现有技术的缺陷,发明一种利用有限点预测全局应变的方法,该方法首先安装连接应变全局预测硬件***,控制万能试验机施加不同载荷,采集传感器的应变信号进行数据处理,选择合适算法及参数建立载荷与应变信号之间的非线性映射关系,利用实验数据训练模型,应用模型进行预测载荷,在仿真软件中利用准确加载条件,最终得到被测件的全局应变场状态。能有效的运用大量数据进行机器学习,避免了建立复杂的应变函数数学模型和其机理分析过程中不确定因素带来的难题,解决了有限元分析初始条件无法确定的问题,准确预测被测***的全局应变场状态。另外,此方法可以普遍适用于所有被测***,且能够满足全局预测的需求。
本发明采用的技术方案是一种基于预测模型的局部应变全局化预测方法,其特征是,预测方法是由机器学习和有限元分析作为媒介,通过处理有限点应变的实验数据,选择合适的算法及参数,建立预测模型进行训练,从而得到预测网络,利用训练后的网络可以通过测点应变值得到其加载条件,继而可得被测***的全局应变场;在预测过程中,通过操作计算机控制加载装置每次加载的力、并用解调仪采集测量数据,通过数据分析软件处理实验数据,建立并训练适当的预测模型,利用该模型预测加载条件,仿真得到全局应变场,从而利用有限点对全局应变的预测;方法的具体步骤如下:
第一步、安装连接应变全局预测硬件***
先将应力应变传感器1安装在被测试件2上,再将被测试件2固定在加载仪器3的加载位置上,加载仪器3保持无载荷状态,保证初始状态的准确性,加载仪器3通过网线与计算机5相连,能够在相应软件上实现对加载仪器3的施加载荷控制,应力应变传感器1接入解调仪4的通道中采集波长信号的变化,解调仪4接入计算机5,用于在相应软件上解调出不同传感器检测的波长变化和应变,相互通讯实现对有限点应变信号的采集;
第二步、应变传感器信号采集
实验开始时,启动加载仪器3,开启计算机5、解调仪4;设定每组加载力间隔的确定值A和每组实验的加载次数B,即最大施加载荷力Fmax=A·B;操作计算机5使加载仪器3实施加载活动,其施力部分移动导致被测试件2产生应变,应力应变传感器1检测到被测试件2的应变,其波长随之变化,通过解调仪4的解调,在计算机5的相关软件上得到应力应变传感器1的波长信号及对应应变读数;重复以上加载步骤M次,共得到M·B组测量数据,完成全部应变传感器数据采集过程;
实现对应变传感器1的波长变化及应变值读数的实时采集读取及存储过程,完成整个应变传感器信号的采集;
第三步、建立被测***的预测模型
计算机5内存储有整个实验各组的测量数据,利用计算机5对实验数据进行数据分析,编写软件程序,建立加载条件与测点应变值的非线性关系预测模型,以局部测量应变值数据εa作为输入,相应载荷εb作为输出,建立两部分之间的非线性映射关系;即:
f:εa→εb (1)
将载荷输出值εb进行调节处理,转换为最优化问题,即建立支持向量机模型:
其中,ω是最优超平面斜率,b最优超平面的截距,c为惩罚系数,ξi是松弛变量,μi为权重系数。简化后得对偶问题,如式(3)所示:
其中,Q为n×n的半正定矩阵,e=[1,2,…,n]T,α为拉格朗日乘子;
其中,为核函数方程;求解式(3),并根据对偶关系,则ω的最佳优化结果满足:
其中,表示的是向高维空间的映射;
最终的调整支持向量机模型表示为:
得到输入输出数据间的非线性预测模型;
第四步、利用模型进行全局仿真预测应用
调用训练好的预测模型,将有限测点的应力应变数据键入输入端,应用该保存好的预测模型进行预测,即可得到该组对应的加载条件准确预测值,输入仿真软件中进行有限元分析,从而达到复杂模型全局应力应变场的检测需求;
采用回归系数R2作为预测精度的评定:
式中,为载荷εb真值均值的平方和,代表的是载荷εb预测值与真值之差的平方和,i=1,2,…,n,是样本序号,n为样本的总个数;
利用公式(7)计算预测输出的精度,若得到其评价模型R2值接近1,利用其得到的加载条件输入有限元仿真软件中,可得到该被测复杂零件的应变场全局仿真云图。
本发明的有益效果是本方法相对比于对被测体全局应力应变场状态的其他传统预测方法来说,将有效的机器学习与有限元分析相结合,对检测监控***进行预测操作应用,准确获取其预测应变值。避免了建立复杂的应变函数数学模型和其机理分析过程中不确定因素带来的难题,解决了有限元分析初始条件无法确定的问题,准确预测被测***的全局应变场状态。只需获取大量实验数据,通过软件建立适宜的训练模型,进行有效机器学习,得到预测模型,输入有限软软件分析得全局应变场,即可对检测监控***进行全局预测应用。此种方法适用于任意工况下复杂***的全局应变场预测,可以巧妙地避免确定加载力和预紧力的大小、试件弹性模量的具体值和复杂模型精准简化等问题带来的各种误差,大幅提高了预测精度,同时操作较为简单方便,易推广。
附图说明
图1为传感器应变全局预测***的布置图。图中,1-应力应变传感器,2-被测试件,3-加载仪器,4-解调仪,5-计算机。
图2为一种利用有限点预测全局应变的方法流程图。
图3为应用模型预测结果曲线图。其中,X轴-预测集样本数量,Y轴-载荷值(N),曲线1-期望输出,曲线2-预测输出。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
附图1为传感器应变全局预测***的安装图。本实施例中所使用的是MOI公司型号为si255-16-ST/160-NO的光纤解调仪,其应变检测量程为-15000—15000με,具有1pm的解调精度和0.5με的分辨率。加载仪器为克拉克公司信号为KL-50T的万能试验机,其试验力示值精度为±1%,在电脑上上通过相关软件控制其加载操作。
附图2为一种利用有限点预测全局应变的方法流程图,整个预测方法分为以下四个部分,应变全局预测硬件***安装布置、应变传感器信号采集,建立被测***的预测模型、利用模型进行全局仿真预测应用。方法的具体步骤如下:
第一步、安装连接应变全局预测硬件***
本实施例中,传感器应变全局预测***的安装图如附图1所示。在实验开始前,先将光纤光栅应力应变传感器1安装在被测铝制零件2上,再将被测铝制零件2固定在万能试验机3的加载位置上,万能试验机3保持无载荷状态,保证初始状态的准确性,万能试验机3通过网线与计算机5相连,能够在相应软件上实现对万能试验机3的施加载荷控制,光纤光栅应力应变传感器1接入光纤解调仪4的通道中采集波长信号的变化,光纤解调仪4接入计算机5,用于在相应软件上解调出不同传感器检测的波长变化和应变,相互通讯实现对有限点应变信号的采集。
第二步、应变传感器信号采集
实验开始时,启动万能试验机3,开启计算机5、光纤解调仪4。根据本次实施例中选用的光纤应变传感器量程,设定每次加载A=20N,每组实验的加载次数为B=11次,即施加载荷力分别为0N、20N、40N、60N、80N、100N、120N、140N、160N、180N、200N,操作计算机5使万能试验机3实施加载活动,其施力部分移动导致被测铝制零件2产生应变,光纤光栅应力应变传感器1检测到被测铝制零件2的应变,其波长随之变化,通过光纤解调仪4的解调,在计算机5的相关软件上得到光纤光栅应力应变传感器1的波长信号及对应应变读数;重复以上加载步骤M=10次,共得到110组测量数据,完成全部应变传感器数据采集过程。
第三步、建立被测***的预测模型
本实施例测量过程结束后,操作计算机5,利用光纤解调仪4采集测量波长数据,处理实验数据,得到可用于建立预测模型的光纤应变传感器应力应变数据,并记录万能试验机3不同实验对应的加载力,通过MATLAB软件,编程建立预测模型,得到加载条件与测点应变值的非线性关系。利用公式(1)建立应变传感器实际测量值εa到预测载荷输出值εb的映射关系:
f:εa→εb
确定100为参数c的选取值,建立加权支持向量机调整模型,利用公式(2),转换为最优化问题:
简化公式(3),得到如下对偶问题:
选择RBF核函数,通过公式(4)和(5)得到εai向高维空间的映射,利用公式(6)得到最终的调整支持向量机模型为:
本实施例模型建立完成后,在110组实验数据中,确定训练集为95组数据,测试集为剩余15组数据,运行程序,使该模型进行学习训练,训练完成得到预测模型。
第四步、利用模型进行全局仿真预测应用
将测试集的95组的应力应变数据键入输入端,应用训练好的预测模型,得到该组对应的加载条件预测准确值,图3所示图形中的两种曲线1、2分别表示期望输出和预测输出,展示了预测值与实际测量值间的对比。其中,x代表预测集样本数量,y代表载荷值。利用公式(7)计算预测输出的精度,得到其评价模型为R2=0.98781,接近1,验证了方法的可行性并证明其预测结果精度较高,利用其得到的加载条件输入有限元仿真软件中,可得到该被测复杂零件的应变场全局仿真云图,达到高精度全局预测效果。
此方法可以普遍适用于所有被测***,且能够满足全局预测的需求。该方法可以实现对任意复杂工况下被测***的全局高精预测,效率高、普适性强、操作简单方便、易推广。
Claims (1)
1.一种基于预测模型的局部应变全局化预测方法,其特征是,预测方法是由机器学习和有限元分析作为媒介,通过处理有限点应变的实验数据,选择合适的算法及参数,建立预测模型进行训练,从而得到预测网络,利用训练后的网络可以通过测点应变值得到其加载条件,继而可得被测***的全局应变场;在预测过程中,通过操作计算机控制加载装置每次加载的力、并用解调仪采集测量数据,通过数据分析软件处理实验数据,建立并训练适当的预测模型,利用该模型预测加载条件,仿真得全局应变场,从而利用有限点对全局应变的预测;方法的具体步骤如下:
第一步、安装连接应变全局预测硬件***
先将应力应变传感器(1)安装在被测试件(2)上,再将被测试件(2)固定在加载仪器(3)的加载位置上,加载仪器(3)保持无载荷状态,保证初始状态的准确性,加载仪器(3)通过网线与计算机(5)相连,能够在相应软件上实现对加载仪器(3)的施加载荷控制,应力应变传感器(1)接入解调仪(4)的通道中采集波长信号的变化,解调仪(4)接入计算机(5),用于在相应软件上解调出不同传感器检测的波长变化和应变,相互通讯实现对有限点应变信号的采集;
第二步、应变传感器信号采集
实验开始时,启动加载仪器(3),开启计算机(5)、解调仪(4);设定每组加载力间隔的确定值A和每组实验的加载次数B,即最大施加载荷力Fmax=A·B;操作计算机(5)使加载仪器(3)实施加载活动,其施力部分移动导致被测试件(2)产生应变,应力应变传感器(1)检测到被测试件(2)的应变,其波长随之变化,通过解调仪(4)的解调,在计算机(5)的相关软件上得到应力应变传感器(1)的波长信号及对应应变读数;重复以上加载步骤M次,共得到M·B组测量数据,完成全部应变传感器数据采集过程;
实现对应变传感器(1)的波长变化及应变值读数的实时采集读取及存储过程,完成整个应变传感器信号的采集;
第三步、建立被测***的预测模型
计算机(5)内存储有整个实验各组的测量数据,利用计算机(5)对实验数据进行数据分析,编写软件程序,建立加载条件与测点应变值的非线性关系预测模型,以局部测量应变值数据εa作为输入,相应载荷εb作为输出,建立两部分之间的非线性映射关系;即:
f:εa→εb (1)
将载荷输出值εb进行调节处理,转换为最优化问题,即建立支持向量机模型:
其中,ω是最优超平面斜率,b最优超平面的截距,c为惩罚系数,ξi是松弛变量,μi为权重系数;简化后得对偶问题,如式(3)所示:
其中,Q为n×n的半正定矩阵,e=[1,2,…,n]T,α为拉格朗日乘子;
其中,为核函数方程;求解式(3),并根据对偶关系,则ω的最佳优化结果满足:
其中,表示的是向高维空间的映射;
最终的调整支持向量机模型表示为:
得到输入输出数据间的非线性预测模型;
第四步、利用模型进行全局仿真预测应用
调用训练好的预测模型,将有限测点的应力应变数据键入输入端,应用该保存好的预测模型进行预测,即可得到该组对应的加载条件准确预测值,输入仿真软件中进行有限元分析,从而达到复杂模型全局应力应变场的检测需求;
采用回归系数R2作为预测精度的评定:
式中,为载荷εb真值均值的平方和,代表的是载荷εb预测值与真值之差的平方和,i=1,2,…,n,是样本序号,n为样本的总个数;
利用公式(7)计算预测输出的精度,若得到其评价模型R2值接近1,利用其得到的加载条件输入有限元仿真软件中,得到该被测复杂零件的应变场全局仿真云图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215416.8A CN109918831A (zh) | 2019-03-21 | 2019-03-21 | 一种基于预测模型的局部应变全局化预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215416.8A CN109918831A (zh) | 2019-03-21 | 2019-03-21 | 一种基于预测模型的局部应变全局化预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109918831A true CN109918831A (zh) | 2019-06-21 |
Family
ID=66966021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910215416.8A Pending CN109918831A (zh) | 2019-03-21 | 2019-03-21 | 一种基于预测模型的局部应变全局化预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109918831A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287629A (zh) * | 2019-07-01 | 2019-09-27 | 国网重庆市电力公司电力科学研究院 | 确定高压盆式绝缘子结构参数的计算机装置、设备及方法 |
CN110717286A (zh) * | 2019-09-18 | 2020-01-21 | 清华大学深圳国际研究生院 | 气动软体致动器静力学建模和传感方法、可读存储介质及*** |
CN112434369A (zh) * | 2020-11-11 | 2021-03-02 | 北京宇航***工程研究所 | 一种基于机器学习的结构载荷感知方法 |
CN112528562A (zh) * | 2020-12-07 | 2021-03-19 | 北京理工大学 | 用于结构健康监测的智能触觉***和监测方法 |
CN113127301A (zh) * | 2021-04-12 | 2021-07-16 | 成都飞机工业(集团)有限责任公司 | 一种飞机装配过程中工装受载状态的监控方法 |
CN113239592A (zh) * | 2021-05-19 | 2021-08-10 | 北京航空航天大学 | 一种面向复杂多层次结构产品仿真应用的层级式载荷分解方法 |
CN113688484A (zh) * | 2021-10-26 | 2021-11-23 | 山东神力索具有限公司 | 添加载荷施加体的数据处理方法、装置以及电子设备 |
CN113742891A (zh) * | 2021-08-04 | 2021-12-03 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 发电机底脚载荷分配的离线选取方法和*** |
CN113962134A (zh) * | 2021-11-15 | 2022-01-21 | 山东大学 | 条件生成式对抗网络与载荷应变线性叠加的应变监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095962A (zh) * | 2015-07-27 | 2015-11-25 | 中国汽车工程研究院股份有限公司 | 一种基于bp人工神经网络的材料动态力学性能预测方法 |
CN107085633A (zh) * | 2017-04-12 | 2017-08-22 | 华侨大学 | 基于支持向量机的多点振动响应频域预测的装置及方法 |
US20170281094A1 (en) * | 2016-04-05 | 2017-10-05 | The Board Of Trustees Of The University Of Illinois | Information Based Machine Learning Approach to Elasticity Imaging |
CN108487916A (zh) * | 2018-03-13 | 2018-09-04 | 大连海事大学 | 隧道稳定性防护预测***及隧道岩体变形预测方法 |
CN108895978A (zh) * | 2018-07-18 | 2018-11-27 | 大连理工大学 | 一种基于裸光纤的光纤传感器应变灵敏度标定方法 |
-
2019
- 2019-03-21 CN CN201910215416.8A patent/CN109918831A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095962A (zh) * | 2015-07-27 | 2015-11-25 | 中国汽车工程研究院股份有限公司 | 一种基于bp人工神经网络的材料动态力学性能预测方法 |
US20170281094A1 (en) * | 2016-04-05 | 2017-10-05 | The Board Of Trustees Of The University Of Illinois | Information Based Machine Learning Approach to Elasticity Imaging |
CN107085633A (zh) * | 2017-04-12 | 2017-08-22 | 华侨大学 | 基于支持向量机的多点振动响应频域预测的装置及方法 |
CN108487916A (zh) * | 2018-03-13 | 2018-09-04 | 大连海事大学 | 隧道稳定性防护预测***及隧道岩体变形预测方法 |
CN108895978A (zh) * | 2018-07-18 | 2018-11-27 | 大连理工大学 | 一种基于裸光纤的光纤传感器应变灵敏度标定方法 |
Non-Patent Citations (3)
Title |
---|
唐江凌等: "基于SVR的2519铝合金流变应力预测", 《桂林师范高等专科学校学报》 * |
王春耀等: "重视实验教学-开发拉压动应力综合试验", 《现代企业教育》 * |
耿耘: "地下工程围岩变形的支持向量机预测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287629B (zh) * | 2019-07-01 | 2022-08-09 | 国网重庆市电力公司电力科学研究院 | 确定高压盆式绝缘子结构参数的计算机装置、设备及方法 |
CN110287629A (zh) * | 2019-07-01 | 2019-09-27 | 国网重庆市电力公司电力科学研究院 | 确定高压盆式绝缘子结构参数的计算机装置、设备及方法 |
CN110717286A (zh) * | 2019-09-18 | 2020-01-21 | 清华大学深圳国际研究生院 | 气动软体致动器静力学建模和传感方法、可读存储介质及*** |
CN110717286B (zh) * | 2019-09-18 | 2023-06-02 | 清华大学深圳国际研究生院 | 气动软体致动器静力学建模和传感方法、可读存储介质及*** |
CN112434369A (zh) * | 2020-11-11 | 2021-03-02 | 北京宇航***工程研究所 | 一种基于机器学习的结构载荷感知方法 |
CN112434369B (zh) * | 2020-11-11 | 2024-04-09 | 北京宇航***工程研究所 | 一种基于机器学习的结构载荷感知方法 |
CN112528562A (zh) * | 2020-12-07 | 2021-03-19 | 北京理工大学 | 用于结构健康监测的智能触觉***和监测方法 |
CN112528562B (zh) * | 2020-12-07 | 2022-11-15 | 北京理工大学 | 用于结构健康监测的智能触觉***和监测方法 |
CN113127301A (zh) * | 2021-04-12 | 2021-07-16 | 成都飞机工业(集团)有限责任公司 | 一种飞机装配过程中工装受载状态的监控方法 |
CN113127301B (zh) * | 2021-04-12 | 2022-06-14 | 成都飞机工业(集团)有限责任公司 | 一种飞机装配过程中工装受载状态的监控方法 |
CN113239592B (zh) * | 2021-05-19 | 2022-07-01 | 北京航空航天大学 | 一种面向复杂多层次结构产品仿真应用的层级式载荷分解方法 |
CN113239592A (zh) * | 2021-05-19 | 2021-08-10 | 北京航空航天大学 | 一种面向复杂多层次结构产品仿真应用的层级式载荷分解方法 |
CN113742891A (zh) * | 2021-08-04 | 2021-12-03 | 中国大唐集团科学技术研究院有限公司华东电力试验研究院 | 发电机底脚载荷分配的离线选取方法和*** |
CN113688484A (zh) * | 2021-10-26 | 2021-11-23 | 山东神力索具有限公司 | 添加载荷施加体的数据处理方法、装置以及电子设备 |
CN113962134A (zh) * | 2021-11-15 | 2022-01-21 | 山东大学 | 条件生成式对抗网络与载荷应变线性叠加的应变监测方法 |
CN113962134B (zh) * | 2021-11-15 | 2024-07-09 | 山东大学 | 条件生成式对抗网络与载荷应变线性叠加的应变监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918831A (zh) | 一种基于预测模型的局部应变全局化预测方法 | |
CN109766618A (zh) | 一种基于机器学习的应力应变预测方法 | |
Nazarian et al. | Detection of tension loss in cables of cable-stayed bridges by distributed monitoring of bridge deck strains | |
Jassim et al. | A review on the vibration analysis for a damage occurrence of a cantilever beam | |
CN107256204B (zh) | 基于传递函数的多点振动响应频域预测的实验装置及方法 | |
Robert‐Nicoud et al. | Model identification of bridges using measurement data | |
Johnson et al. | Distributed structural health monitoring with a smart sensor array | |
CN203011351U (zh) | 一种采用光纤光栅传感器的薄板形变测量装置 | |
CN111024821A (zh) | 一种复合材料贮箱健康监测***及方法 | |
CN103049608B (zh) | 基于约束边应变极值坐标的载荷辨识***及方法 | |
Loupos et al. | Structural health monitoring fiber optic sensors | |
CN106528945B (zh) | 基于加载夹角归一化的板结构载荷位置与大小辨识方法 | |
CN105758602A (zh) | 一种桁架梁桥断面抖振力同步测量方法 | |
Li et al. | Early warning for abnormal cable forces of cable-stayed bridges considering structural temperature changes | |
CN208012580U (zh) | 桥梁挠度多点同步测试装置 | |
CN110487634A (zh) | 一种加载状态下岩芯应变、电阻率精细测试的***与方法 | |
CN110749444A (zh) | 航天液体发动机地面试验测试***的校准***及方法 | |
Allport et al. | Turbocharger blade vibration: Measurement and validation through laser tip-timing | |
CN110849358B (zh) | 一种阵列天线相位中心的测量装置、测量方法及安装方法 | |
Luczak et al. | Static and dynamic testing of the full scale helicopter rotor blades | |
CN115169162B (zh) | 飞机振动环境预计方法、装置及计算机可读存储介质 | |
CN114254533B (zh) | 考核疲劳振动对产品组部件固定角度影响和预测的方法 | |
Farhey | Integrated virtual instrumentation and wireless monitoring for infrastructure diagnostics | |
Mironov et al. | The demonstrator of helicopter Structural Health Monitoring technique | |
Cao et al. | Damage localization for prefabricated bridges group using the area-ratio of the strain time-history curve |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |
|
WD01 | Invention patent application deemed withdrawn after publication |