基于模糊RBF神经网络的复合材料结构脱层损伤监测研究  

Delamination damage monitoring for composite structures based on fuzzy RBF neural network

作　　者：王宏涛[1] 刘朝勇[2] 郑世杰[2] 

机构地区：[1]南京航空航天大学机电学院,江苏南京210016 [2]南京航空航天大学智能材料结构航空科技重点实验室,江苏南京210016

出　　处：《兵器材料科学与工程》2011年第1期1-4,共4页Ordnance Material Science and Engineering

基　　金：国家自然科学基金项目(51075202);国家自然科学基金重点项目(50830201)

摘　　要：提出一种径向基函数(RBF)神经网络和模糊聚类分析相结合的复合材料结构脱层损伤监测方法。该方法融合神经网络学习能力强和模糊逻辑推理自适应、自组织、容错性好等优点,简化神经网络学习数据获取及模糊推理规则建立的过程。利用有限元方法对含有脱层损伤的复合材料试件进行数值模拟,以前六阶弯曲模态频率构建训练样本,将实验模态分析结果经送入训练好的模糊RBF神经网络进行预测,从而实现对复合材料梁的脱层损伤定位和损伤程度评估。实验结果表明,模糊RBF神经网络鲁棒性好,精度高。A new method for the delamination damage monitoring of composite structures,using Radial Base Function（RBF） neural network combined with Fuzzy Theory,is presented in this paper.The system combines the adaptive learning diagnosis procedure of the artificial neural network（ANN） and the transparent knowledge representation of the fuzzy system,and simplifies the process of obtaining the ANN＇s learning sample and establishment the fuzzy inference rules.The first six flexure modal frequencies of FEM model for different conditions obtained by FEM,are used to train the Fuzzy RBF neural network.Finally,the first six flexure experimental modal frequencies,are input to the neural network to predict the delamination location and its extent.The results demonstrate that the fuzzy RBF neural network is robust and feasible.

关 键 词：模糊推理 RBF神经网络 损伤监测 模态频率 复合材料 

分 类 号：TB381[一般工业技术—材料科学与工程]