基于多核正则化非线性系统辨识的大型复合材料结构损伤检测研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    11702171
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    29.0万
  • 负责人：
    程长明
  • 依托单位：
    上海交通大学
  • 学科分类：
    A0702.非线性振动及其控制
  • 结题年份：
    2020
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2020-12-31

项目摘要

With the development of the large-size composite structure applied in various areas，the study about damage detection method for the large-size composite structure is particularly important. Some key problems in damage detection for large-size composite structure through nonlinear system identification based on multiple kernel regularization will be studied in this project. This project mainly contains three contents. First, a novel multiple kernel regularization-based Volterra series identification method for nonlinear system will be proposed. In order to effectively improve the identification accuracy and robustness for nonlinear system, the hyper-parameters and weighted coefficients in every kernel functions are optimized in this method. Second, based on the identified Volterra kernel function, some nonlinear features sensitive to the status of structural system can be extracted, and they can be used to detect damage in large-size composite structure. In addition, according to the important properties about nonlinear features of different test points, the position of damage can be determined. Third, a wind turbine blade test platform will be set up, and the damage detection method proposed in this project will be used to detect and locate the damage in the wind turbine blade. This project will promote the achievements of nonlinear system identification in the application of damage detection for large-size composite structure.
随着大型复合材料结构在各个领域的大力发展，研究适用于大型复合材料结构的损伤检测方法显得尤为重要。本项目将基于多核正则化非线性系统辨识对大型复合材料结构损伤检测中的关键问题进行研究，主要包含以下三个部分内容：第一，提出一种新的基于多核正则化非线性系统的Volterra级数辨识方法。优化各核函数中的超参数以及各核函数的加权系数，以提高非线性系统的辨识精度和鲁棒性。第二，根据辨识的Volterra核函数，提取对系统状态敏感的非线性特征，利用该特征对结构中的损伤进行检测，并根据各测试点非线性特征之间的关系对大型复合材料结构中的损伤进行定位。第三，搭建风机叶片测试平台，并利用本项目提出的大型复合材料结构损伤检测方法对其中的损伤进行检测和定位。本项目的研究将促进非线性系统辨识研究的成果在大型复合材料结构损伤检测中的实际应用。

结项摘要

随着大型复合材料结构在各个领域的大力发展，研究适用于大型复合材料结构的损伤检测方法显得尤为重要。本项目将基于多核正则化非线性系统辨识对大型复合材料结构损伤检测中的关键问题进行研究，主要包含以下三个部分内容：第一，提出了一种新的基于多核正则化非线性系统的Volterra级数辨识方法。第二，根据辨识的Volterra核函数，提取对系统状态敏感的非线性特征，利用该特征对结构中的损伤进行检测。第三，提出了一种基于平均导数的特征选择方法，该方法为特征选择提供了一个必要几乎充分条件，可以选择对系统状态更加敏感的特征。第四，提出了逆变量选择和Contour特征选择方法，Contour特征选择法为非参数系统特征选择提供了一个充分必要条件。第五，提出了基于数据驱动和系统辨识的损伤检测和故障诊断方法。本项目的研究将促进非线性系统辨识研究的成果在大型复合材料结构损伤检测中的实际应用。

项目成果

期刊论文数量（10）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Ranking the importance of variables in nonlinear system identification
对非线性系统辨识中变量的重要性进行排序
  • DOI：
    10.1016/j.automatica.2019.02.029
  • 发表时间：
    2019-05
  • 期刊：
    Automatica
  • 影响因子：
    6.4
  • 作者：
    Cheng Changming;Bai Er-Wei
  • 通讯作者：
    Bai Er-Wei
Kautz basis expansion-based Hammerstein system identification through separable least squares method
基于 Kautz 基展开的可分离最小二乘法 Hammerstein 系统辨识
  • DOI：
    10.1016/j.ymssp.2018.12.027
  • 发表时间：
    2019-04
  • 期刊：
    Mechanical Systems and Signal Processing
  • 影响因子：
    8.4
  • 作者：
    Cheng C M;Dong X J;Peng Z K;Zhang W M;Meng G
  • 通讯作者：
    Meng G
Detecting the Early Damages in Structures With Nonlinear Output Frequency Response Functions and the CNN-LSTM Model
使用非线性输出频率响应函数和 CNN-LSTM 模型检测结构的早期损坏
  • DOI：
    10.1109/tim.2020.3005113
  • 发表时间：
    2020-06
  • 期刊：
    IEEE Transactions on Instrumentation and Measurement
  • 影响因子：
    5.6
  • 作者：
    Zhao Baoxuan;Cheng Changming;Peng Zhike;Dong Xingjian;Meng Guang
  • 通讯作者：
    Meng Guang
Nonlinear system identification using Kautz basis expansion-based Volterra–PARAFAC model
使用基于 Kautz 基展开的 Volterra-PARAFAC 模型进行非线性系统辨识
  • DOI：
    10.1007/s11071-018-4489-2
  • 发表时间：
    2018-07
  • 期刊：
    Nonlinear Dynamics
  • 影响因子：
    5.6
  • 作者：
    Cheng C.M.;Peng Z.K.;Dong X.J.;Zhang W.M.;Meng G.
  • 通讯作者：
    Meng G.
Testing if a nonlinear system is additive or not
测试非线性系统是否是可加的
  • DOI：
    10.1016/j.automatica.2019.02.053
  • 发表时间：
    2019
  • 期刊：
    Automatica
  • 影响因子：
    6.4
  • 作者：
    Cheng Changming;Bai Er-wei
  • 通讯作者：
    Bai Er-wei

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一类非线性系统的随机振动频率响应分析研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    力学学报
  • 影响因子：
    --
  • 作者：
    彭志科;孟光;程长明
  • 通讯作者：
    程长明
一类非线性隔振器振动传递特性分析
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    动力学与控制学报
  • 影响因子：
    --
  • 作者：
    彭志科;郎自强;孟光;程长明;Peng Zhike1 Lang Ziqiang2 Meng Guang1 Cheng Changm
  • 通讯作者：
    Peng Zhike1 Lang Ziqiang2 Meng Guang1 Cheng Changm

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

程长明的其他基金

高维非线性系统变量选择及辨识方法研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    62 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码