论文部分内容阅读
随着人类航天活动的日益频繁,空间碎片环境逐渐恶化,并对在轨航天器的安全运行构成了严重威胁。建立空间碎片撞击在轨感知系统对航天器遭受空间碎片撞击事件进行实时监测具有重要意义,其中航天器结构超高速撞击损伤模式识别是空间碎片撞击在轨感知系统的重要功能模块。基于声发射在轨感知技术是最适合的航天器损伤监测手段之一,利用声发射技术实现航天器结构超高速撞击损伤模式识别是当前空间碎片撞击在轨感知系统研制的重点和难点。基于以上背景,本文以铝合金球形弹丸超高速正撞击铝合金平板作为研究对象,对声发射信号获取和分析方法、声发射信号波动特征表征方法、声发射信号损伤特征参数提取与选择、损伤模式识别方法等问题进行了系统研究,并分别提出了基于近邻分类和神经网络的铝合金平板超高速撞击损伤模式识别方法。本文研究范围为:直径介于1~5mm之间铝合金球形弹丸超高速正撞击厚度为3mm铝合金平板,撞击速度范围为100~5000m/s。首先,利用小波分析和振荡能量概念处理超高速撞击声发射信号。研究结果表明:以声发射信号及小波分解成分a4(db10)、d4(sym8)、d3(ciof5)在前45μs的振荡能量值作为损伤特征参数能够表征铝合金平板超高速撞击损伤模式;较之参数分析法和频谱分析法,利用小波分析和振荡能量概念处理超高速撞击声发射信号能够提取更为丰富的有用信息。其次,分别利用近邻分类法和神经网络方法对铝合金平板击穿或成坑、弹丸直径和弹孔直径范围进行识别。识别结果表明:近邻分类法和神经网络方法均能够很好地识别铝合金平板击穿或成坑,平均识别正确率分别大于96.00%和93.00%;利用不同近邻分类法和概率神经网络模型对弹丸直径进行识别,当验证样本弹丸直径属于训练样本弹丸直径集时平均识别正确率分别为87.57%~96.32%和96.27%,当弹丸直径不属于训练样本弹丸直径集时平均识别正确率分别为81.73%~83.06%和78.44%;利用不同的近邻分类法和神经网络模型对弹孔直径范围进行识别,当验证样本弹丸直径属于训练样本弹丸直径集时平均识别正确率分别为96.24%~96.69%和89.77%~93.36%,当弹丸直径不属于训练样本弹丸直径集时平均识别正确率分别为89.77%~93.36%和81.06%~82.75%。最后,通过平均识别正确率和最高识别正确率比较近邻分类法与神经网络方法对铝合金平板损伤模式和弹丸直径的识别效果,分析了这两种模式识别方法在本文研究范围内的优劣性。研究结果表明:近邻分类法和神经网络方法均能够较好地识别铝合金平板击穿或成坑;近邻分类法对弹丸直径和弹孔直径范围的识别效果优于神经网络方法,其中距离加权近邻分类法的识别效果最优;较之近邻分类法和概率神经网络,BP神经网络识别结果具有随机性的特点限制了其在铝合金平板超高速撞击损伤模式识别领域的运用。本文的研究成果对服役于空间碎片环境下,在轨航天器复杂结构超高速撞击损伤模式识别方法的研究具有借鉴意义,并为空间碎片撞击在轨感知系统损伤模式识别功能模块的研制提供了技术支持,具有一定的工程应用价值和理论指导意义。