基于神经网络技术的空间碎片损伤模式识别研究-人机与环境工程专业论文.docx

Classified Index: V448.2 U.D.C: 623.55 Dissertation for the Master Degree in Engineering RESEARCH ON SPACE DEBRIS DAMAGE PATTERN RECOGNITION BASSED ON NEURAL NETWORK TECHNOLOGY Candidate： Xiong Qiupeng Supervisor： Prof. Pang Baojun Academic Degree Applied for： Master of Engineering Speciality： Erogonomics and Environment Affiliation： Dept. of Astronautics Engineering Date of Defence： June, 2012 Degree-Conferring-Institution： Harbin Institute of Technology 摘 摘 要 I I 摘 要 随着我国长期、载人空间站发展计划的逐步落实，空间碎片引发的超高速撞 击问题日益突出，空间碎片在轨感知系统的研究也愈发紧迫。空间碎片在轨感知 系统的主要功能之一是对空间碎片撞击进行感知定位并对损伤进行评估。其中， 损伤模式识别是空间碎片在轨感知系统的主要技术难点。目前，基于声发射技术 的损伤识别的研究主要是通过对声发射信号进行参数及波形分析获得的，此方法 只能对损伤模式进行定性的判别而不能进行定量的分析。本文在损伤模式识别方 面引入了神经网络方法，提出使用 LVQ 神经网络方法进行损伤的定性判别，同时 使用 BP 神经网络进行定量的分析，利用训练针对模拟高速撞击声发射技术的神经 网络研究撞击损伤模式问题 。 本文首先研究了可能与损伤模式相关的特征参数，获得了表征损伤模式具有 高相关度的靶板损伤参数和声发射波形特征参数，并分别通过傅里叶变换、小波 变换等信号处理手段提取这些参数，通过对比分析得知这些参数在高速撞击声发 射信号中各自表征和影响的损伤模式参量，以供基于神经网络手段的损伤模式识 别方案 。 利用 AUTODYN 数值仿真软件进行大量的高速撞击仿真实验，对不同速度下 的高速撞击实验进行定量分析。从实验结果中提取有效的参数作为神经网络技术 的输入样本，获得不同速度、不同位置下的各高速撞击声发射信号参数，建立针 对高速撞击声发射技术的多种神经网络系统，并利用前面提取出的参数对网络进 行训练和验证，获得最适合针对高速撞击事件损伤模式识别的 LVQ 神经网络系统 和 BP 神经网络系统。 本文的研究成果主要是为空间碎片在轨感知系统开发提供理论基础，验证基 于神经网络的空间碎片在轨感知系统对损伤模式识别具有一定的可行性，具有一 定的理论研究和工程实践意义。 关键词：空间碎片，损伤模式识别，声发射，神经网络 Ab Abstract II II Abstract With the gradual develop of our long-term, manned space station program, the hypervelocity impact of space debris is becoming increasingly prominent. The in-suit detect system of space debris is more urgent than ever. The main function of the detect system is to locate the impact position and assess the impact damage, while the damage pattern recognition is the main difficult point. At present, most investigators recognize pattern by acoustic emission signal frequency transform, this method can only damage mode for fixed line discrimination and quantitative analysis. The introduction of the concept of neural networks in the damage pattern recognition using LVQ neural network method of injury qualitative discrimination, usin