CN113688465A - 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 - Google Patents
一种基于载荷与状态结合的飞行器结构强度数字孪生方法 Download PDFInfo
- Publication number
- CN113688465A CN113688465A CN202110918047.6A CN202110918047A CN113688465A CN 113688465 A CN113688465 A CN 113688465A CN 202110918047 A CN202110918047 A CN 202110918047A CN 113688465 A CN113688465 A CN 113688465A
- Authority
- CN
- China
- Prior art keywords
- damage
- model
- load
- structural
- dynamic
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于载荷与状态结合的飞行器结构强度数字孪生方法。该方法首先根据飞行器典型实体结构,建立数字化有限元模型,根据损伤演化的模型失效理论,建立用于演化计算的数字孪生样机;其次,根据实体模型传感器实测数据,进行实体模型的环境载荷和结构状态识别,并将实时结果输入于数字孪生样机中;最后,在数字孪生样机中进行迭代计算,更新结构的载荷和状态参数。基于此,可对飞行器典型结构建立数字孪生模型,对结构的受载情况和状态参数进行动态监测与虚拟演化。
Description
技术领域
本发明涉及飞行器结构健康监测与载荷识别技术领域,特别涉及在飞行器易损伤位置下的结构健康监测与载荷识别,同时根据识别出的系统状态参数与载荷参数,构建飞行器数字孪生样机模型,实现对飞行器结构的动态监测与虚拟演化。
背景技术
现代大型复杂结构在全寿命周期内受到疲劳、意外撞击等不安全因素影响,结构健康监测是保障其安全可靠运行的重要手段。然而,现有结构健康监测方法存在着针对复合材料多失效模式下安全状态表征欠完备、不确定性条件下损伤参数反演精度低和传感器测点不确定性优化可靠性低等问题。
现代飞行器在复杂多变的服役环境中不可避免地会受到一些疲劳载荷、偶然的冲击载荷等多种不安全因素的影响,使得飞行器结构受到损伤甚至破坏,从而导致灾难性的事故。欧美国家从1970年以来在结构健康监测与安全状态评估这个领域已经有了较大的发展,并且其理论研究成果已经在服役的一些先进飞行器上得到了广泛的应用。同时,数字孪生技术也广泛的应用于智能制造、城市管理等诸多问题中。结合数字孪生技术,可对孪生对象实现动态监测,历史溯源追查,任务分配与动态管理,未来行为预测等多种应用,具有良好的发展前景。
发明内容
本发明提供一种针对飞行器结构载荷与状态的动态孪生方法,建立飞行器结构的数字孪生样机模型,实现对飞行器结构所受载荷与结构健康状态的动态监测。本发明充分考虑实际工程问题中普遍存在的复合材料失效与结构损伤模式,构建能够合理表征典型机翼结构在静力与疲劳载荷作用下的结构损伤模型,结合结构载荷反演技术,建立了基于结构载荷与状态的数字孪生模型。
本发明采用的技术方案为:一种基于结构载荷与状态的数字孪生模型建模方法,该方法实现步骤如下:
第一步:根据实际物理模型,由结构约束条件,确定结构未知外载荷作用点,根据模型几何参数确立结构载荷识别的网格模型与结构状态识别的网格模型,形成结构数字孪生模型计算网格。
第二步:基于结构载荷识别网格模型,利用TIAM算法,对考虑不确定性的结构数字模型构造分布式动态载荷的时域识别模型。首先,应用正交多项式拟合结构分布式动态载荷,建立结构在时域内的逆向模型,进而得到结构动响应与正交多项式系数之间的联系,利用结构上有限测点的动响应信息及结构的动态特性实现对正交多项式系数的求取,从而构造完成基于正交多项式展开的确定性结构分布式动态载荷时域识别模型;
第三步:根据结构状态识别网格模型识别结构损伤位置信息。结构损伤的位置可以通过损伤前后模态应变能的变化率来确定。通过计算结构损伤前后的模态应变能,计算出损伤定位指标,即模态应变能变化率(Modal Strain Energy Change Ratio,MSECR):
其中,
其中n代表选用的模态阶数,m代表单元数,hfi代表未损伤结构的第i阶模态频率,dfi代表损伤结构的第i阶模态频率,公式中的权重系数hfi 2/dfi 2会减小模态频率变化小的模态的影响。具有较大指标的单元被视为损伤单元。
第四步:在确定候选损伤单元损伤定位指标的基础上,通过优化方法确定损伤单元中每层的损伤程度和损伤类型,采用优化方法识别损伤程度。通过模式搜索法(Hook andJeeves,HJ)来求解优化问题。通过搜索谷线或脊线方向来加速优化。重复这两个步骤直到满足精度要求。该方法的整个过程可分为三部分,即未损伤结构的模型修正、损伤定位和损伤量化。
第五步:通过构建的结构数字模型网格,对结构上位置载荷作用点上识别的载荷与结构内部各节点损伤状态进行输出,形成物理结构的动态数字孪生模型。同时,考虑结构外部载荷识别更新频率与内部损伤状态更新频率的差异性,建立动态更新模型对不同周期下得到的外部载荷,结构内部损伤状态以及已知传感器获取的动态数据进行同步更新。
第六步:在动态数字孪生模型基础上,建立静载作用下含温度影响的飞行器典型结构渐进损伤演化模型,建立针对复合材料的典型的渐进损伤模型的应力分析,损伤判据,以及损伤后材料的性能退化方案。建立静载作用下含温度影响的复合材料渐进损伤仿真方法,利用有限元方法对渐进损伤模型进行损伤演化迭代计算。
本发明与现有技术相比的优点在于:
本发明提供了一种基于载荷与状态结合的飞行器结构强度数字孪生方法,并涵盖结构载荷识别与结构状态监测的结构动态监测方法,弥补和完善了传统结构健康监测对结构损伤单一变量量化的局限性。所建立的数字孪生样机系统可以更加直观的对飞行器中典型结构的受载情况与结构损伤状态等参数进行同步监测,对结构的损伤破坏可进行虚拟演化与寿命预测。
附图说明
图1是本发明针对飞行器结构强度数字孪生的流程图;
图2是本发明针对飞行器数字孪生模型损伤演化的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
如图1所示,本发明提出了一种基于载荷与状态结合的飞行器结构强度数字孪生方法,包括以下步骤:
(1)根据实体结构模型,由结构约束条件,确定结构未知外载荷作用点,同时建立结构的数字模型,根据模型几何参数确立结构载荷识别的网格模型与结构状态识别的网格模型。
(2)基于结构载荷识别的网格模型,利用TIAM算法对考虑不确定性的结构构造分布式动态载荷的识别模型进行分布式动态载荷识别。首先,应用正交多项式拟合结构分布式动态载荷,建立结构在时域内的逆向模型,进而得到结构动响应与正交多项式系数之间的联系,利用结构上有限测点的动响应信息及结构的动态特性实现对正交多项式系数的求取,从而构造完成基于正交多项式展开的确定性结构分布式动态载荷时域识别模型;其中,分布式动态载荷关于正交多项式的表达式为:
f(x,t)=[P0(x) P1(x) P2(x) … Pj(x)][a0(t) a1(t) a2(t) … aj(t)]T
式中,f(x,t)为结构第x个节点在t时刻的动态载荷;[P0(x) P1(x) P2(x) … Pj(x)]为第x个节点处的j阶正交多项式向量;[a0(t) a1(t) a2(t) … aj(t)]T表示在t时刻的正交多项式系数向量,记为A(t)。
之后,将结构的不确定性参数用区间定量化描述,对正交多项式系数向量在不确定性参数区间中心值处进行一阶泰勒级数展开,进而将不确定性结构的分布式动态载荷识别问题转换为两类确定性问题,即在不确定性参数中心值处正交多项式的系数向量的求解,和正交多项式系数向量关于每一个不确定性参数在其中心值处的灵敏度的计算,从而得到任意时刻正交多项式的系数向量的上、下界值;其中,正交多项式的系数向量的上、下界值按如下的方式求解:假设结构含有m个不确定性参数,记结构的m维不确定性参数的区间向量为bI=[bl,bu],bi∈bI=[bil,biu],i=1,2,…,m,其中bl为区间变量bI的下界,bu为区间变量bI的上界;bil为区间变量bI第m个分量bi的下界,biu为区间变量bI第m个分量bi的上界;进而对区间变量bI进行如下的变换后得到:
其中,不确定性参数的区间半径记为△b=0.5×(bu-bl),△bi=0.5×(biu-bil),i=1,2,…m,不确定性参数的区间中心值记为bc=0.5×(bu+bl),标准区间变量为λ=[-1,1],t时刻正交多项式系数向量的上界值Au(t)与下界值Al(t)可直接通过下列显式求得:
进一步,利用求解的正交多项式系数向量的界值,得到考虑不确定性的结构分布式动态载荷fI(x,t,b)的上界值fu(x,t)和下界值fl(x,t):
式中,Pk(x)为第x个节点处的第k项正交多项式,Aku(t)和Akl(t)分别为t时刻第k项正交多项式系数的上界值和下界值;从而完成利用泰勒级数展开法TIAM算法对考虑不确定性的结构分布式动态载荷的识别模型。
(3)根据结构状态识别网格模型识别结构损伤位置信息。结构损伤的位置可以通过损伤前后模态应变能的变化率来确定。每个单元的模态应变能(Modal Strain Energy,MSE)可以按照如下公式计算:
通过计算结构损伤前后的模态应变能,计算出损伤定位指标,即模态应变能变化率(Modal Strain Energy Change Ratio,MSECR):
其中,
其中n代表选用的模态阶数,m代表单元数,hfi代表未损伤结构的第i阶模态频率,dfi代表损伤结构的第i阶模态频率,公式中的权重系数hfi 2/dfi 2会减小模态频率变化小的模态的影响。具有较大指标的单元被视为损伤单元。
(4)在确定候选损伤单元损伤定位指标的基础上,通过优化方法确定损伤单元中每层的损伤程度和损伤类型,这里采用优化方法识别损伤程度:
其中代表第k层的三个损伤参数,m代表待辨识损伤单元个数,l代表层合板的层数,和代表参考模型和实际损伤模型第i阶模态振型,fr和fd代表参考模型和实际损伤模型的频率向量,μ1和μ2分别代表模态振型和频率对应的加权系数。
采用模式搜索法(Hook and Jeeves,HJ)方法来求解优化问题。通过搜索谷线或脊线方向来加速优化。该方法包括两种类型的移动方式:一种是探索性移动,即对每个坐标方向的探索,以找到一个快速的方向。另一种是模式移动,它是通过一系列探索移动来沿快速下降方向进行加速运动。重复探索性移动和模式移动两种方式直到计算得到满足精度要求的损伤程度结果。方法的流程图如图1所示。该方法的整个过程可分为三部分,即未损伤结构的模型修正、损伤定位和损伤量化。
(5)通过构建的结构数字模型,对结构上位置载荷作用点上识别的载荷与结构内部各节点损伤状态进行输出,形成结构的动态数字孪生模型。同时,考虑结构外部载荷识别更新频率与内部损伤状态更新频率的差异性,建立动态更新模型对不同周期下得到的外部载荷,结构内部损伤状态以及已知传感器获取的动态数据进行同步更新。
(6)在动态数字孪生模型基础上,建立静载作用下含温度影响的飞行器典型结构渐进损伤演化模型,如图2所示。针对复合材料的典型的渐进损伤模型应主要包含三个部分:应力分析,损伤判据,以及损伤后材料的性能退化方案。在应力分析中,建立组份材料在损伤前、后的本构模型,用以确定材料内部的应力场分布。在损伤判断过程中,引入合适的损伤判据用以判断损伤时刻与损伤类型。在损伤材料的性能退化方案中,建立相应的损伤演化方案,以描述材料在初始损伤发生后的性能衰减规律。在具体的求解中,这三个部分统一在一个完整的循环迭代过程当中,在每一个步长中不断循环求解,直到材料发生最终的整体失效。建立静载作用下含温度影响的复合材料渐进损伤仿真方法,利用有限元方法建立渐进损伤模型迭代计算。
综上所述,本发明提出了一种针对复合材料层合板结构在疲劳载荷作用下、在给定的约束条件下,充分考虑结构多失效模式及其相关性的系统可靠性分析方法。首先,根据层合板结构材料以及载荷等情况的具体特征,结合二维Hashin准则计算每个失效元在不同失效模式下的失效概率,认为最大失效概率层发生破坏;其次,根据建立的单向层合板退化模型,在疲劳加载过程中对材料属性进行退化,对退化后的模型进行重分析,计算各失效元失效概率,确定主失效路径;最后,对循环加载结束的结构进行剩余强度校核,在此基础上建立疲劳系统可靠性指标,为结构之后的分析和优化提供指导和参考。
以上仅是本发明的具体步骤,对本发明的保护范围不构成任何限制;其可扩展应用结构多失效模式的可靠性求解领域,凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
本发明未详细阐述部分属于本领域技术人员的公知技术。
Claims (5)
1.一种基于载荷与状态结合的飞行器结构强度数字孪生方法,其特征在于,包括如下步骤:
第一步:根据实体结构实际物理模型,以及模型结构外部约束条件,确定结构未知外载荷作用点,根据模型几何参数确立结构载荷识别的网格模型与结构状态识别的网格模型,并在此基础上建立模型结构的数字孪生模型的模型计算网格;
第二步:基于结构载荷识别网格模型,利用泰勒级数展开法TIAM算法,对考虑不确定性的结构数字模型构造分布式动态载荷的时域识别模型;首先,应用正交多项式拟合结构分布式动态载荷,建立结构在时域内的逆向模型,进而得到结构动响应与正交多项式系数之间的联系,利用结构上有限测点的动响应信息及结构的动态特性实现对正交多项式系数的求取,从而构造完成基于正交多项式展开的确定性结构分布式动态载荷时域识别模型;
第三步:根据结构状态识别的网格模型,识别结构损伤的位置信息,确定候选损伤单元损伤定位指标;
第四步:在确定候选损伤单元损伤定位指标的基础上,通过优化方法确定损伤单元中每层的损伤程度和损伤类型,采用优化方法识别损伤程度;通过模式搜索法(Hook andJeeves,HJ)来求解优化问题;通过搜索谷线或脊线方向来加速优化;重复这两个步骤直到满足精度要求;整个过程可分为三部分,即未损伤结构的模型修正、损伤定位和损伤量化;
第五步:通过构建的结构数字模型网格,对结构上位置载荷作用点上识别的载荷与结构内部各节点损伤状态进行输出,形成物理结构的动态数字孪生模型;同时,考虑结构外部载荷识别更新频率与内部损伤状态更新频率的差异性,建立动态更新模型对不同周期下得到的外部载荷,结构内部损伤状态以及已知传感器获取的动态数据进行同步更新;
第六步:在动态数字孪生模型基础上,建立静载作用下含温度影响的飞行器典型结构渐进损伤演化模型,建立针对复合材料的典型的渐进损伤模型的应力分析,损伤判据,以及损伤后材料的性能退化方案;建立静载作用下含温度影响的复合材料渐进损伤仿真方法,利用有限元方法对渐进损伤模型进行损伤演化迭代计算。
2.根据权利要求1所述的一种基于载荷与状态结合的飞行器结构强度数字孪生方法,其特征在于:所述第二步中,利用TIAM算法对典型结构在考虑不确定性下的结构分布式动态载荷进行识别,利用正交多项式拟合结构分布式动态载荷,建立结构在时域内的逆向模型,进而得到结构动响应与正交多项式系数之间的联系,利用结构上有限测点的动响应信息及结构的动态特性实现对正交多项式系数的求取,从而构造完成基于正交多项式展开的确定性结构分布式动态载荷时域识别模型,飞行器结构强度数字孪生方法的主要特征之一即建立动态载荷识别模型对结构动态载荷的识别与载荷孪生。
3.根据权利要求1所述的一种基于载荷与状态结合的飞行器结构强度数字孪生方法,其特征在于:所述第三步、第四步中,通过计算结构损伤前后的模态应变能,计算出损伤定位指标,并在确定候选损伤单元损伤定位指标的基础上,通过优化方法确定损伤单元中每层的损伤程度和损伤类型;具体计算方法如下:
每个单元的模态应变能(Modal Strain Energy,MSE)可以按照如下公式计算:
结构损伤的位置通过损伤前后模态应变能的变化率来确定;通过计算结构损伤前后的模态应变能,计算出损伤定位指标,即模态应变能变化率(Modal Strain Energy ChangeRatio,MSECR):
其中,
其中n代表选用的模态阶数,m代表单元数,hfi代表未损伤结构的第i阶模态频率,dfi代表损伤结构的第i阶模态频率,公式中的权重系数hfi 2/dfi 2会减小模态频率变化小的模态的影响,指标超过阈值的单元被视为损伤单元。
4.根据权利要求1所述的一种基于载荷与状态结合的飞行器结构强度数字孪生方法,其特征在于:所述第五步中,考虑结构外部载荷识别更新频率与内部损伤状态更新频率的差异性,建立动态更新模型对不同周期下得到的外部载荷,结构内部损伤状态以及已知传感器获取的动态数据进行同步更新,实现结构载荷、结构状态识别以及联合同步输出。
5.根据权利要求1所述的一种基于载荷与状态结合的飞行器结构强度数字孪生方法,其特征在于:所述第六步中,针对复合材料的典型的渐进损伤模型的应力分析,损伤判据,以及损伤后材料的性能退化方案;建立静载作用下含温度影响的复合材料渐进损伤仿真方法,利用有限元方法建立渐进损伤模型迭代计算;结构强度数字孪生模型根据已经辨识的结构载荷与结构状态参数对结构模型进行演化分析,以实现结构的状态预测与损伤预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110918047.6A CN113688465B (zh) | 2021-08-11 | 2021-08-11 | 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110918047.6A CN113688465B (zh) | 2021-08-11 | 2021-08-11 | 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113688465A true CN113688465A (zh) | 2021-11-23 |
CN113688465B CN113688465B (zh) | 2023-11-24 |
Family
ID=78579598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110918047.6A Active CN113688465B (zh) | 2021-08-11 | 2021-08-11 | 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688465B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114218864A (zh) * | 2021-12-17 | 2022-03-22 | 大连理工大学宁波研究院 | 基于数学孪生的网箱网衣破损检测方法、装置及存储介质 |
CN116128221A (zh) * | 2022-12-30 | 2023-05-16 | 北方工业大学 | 一种基于数字孪生的航发叶片再制造生产线调度方法 |
CN117807846A (zh) * | 2024-01-03 | 2024-04-02 | 中国水利水电科学研究院 | 一种基于数字孪生模型的结构损伤识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
US20200051440A1 (en) * | 2018-08-10 | 2020-02-13 | The Boeing Company | Aircraft Communications System with An Operational Digital Twin |
CN111737811A (zh) * | 2020-05-09 | 2020-10-02 | 北京航空航天大学 | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 |
-
2021
- 2021-08-11 CN CN202110918047.6A patent/CN113688465B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
US20200051440A1 (en) * | 2018-08-10 | 2020-02-13 | The Boeing Company | Aircraft Communications System with An Operational Digital Twin |
CN111737811A (zh) * | 2020-05-09 | 2020-10-02 | 北京航空航天大学 | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 |
Non-Patent Citations (2)
Title |
---|
袁胜华;张腾;钮建伟;: "数字孪生技术在航天制造领域中的应用", 强度与环境, no. 03 * |
黄仁;邱志平;: "不确定气动载荷计算的区间分析方法", 北京航空航天大学学报, no. 04 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114218864A (zh) * | 2021-12-17 | 2022-03-22 | 大连理工大学宁波研究院 | 基于数学孪生的网箱网衣破损检测方法、装置及存储介质 |
CN114218864B (zh) * | 2021-12-17 | 2024-11-29 | 大连理工大学宁波研究院 | 基于数学孪生的网箱网衣破损检测方法、装置及存储介质 |
CN116128221A (zh) * | 2022-12-30 | 2023-05-16 | 北方工业大学 | 一种基于数字孪生的航发叶片再制造生产线调度方法 |
CN116128221B (zh) * | 2022-12-30 | 2023-08-01 | 北方工业大学 | 一种基于数字孪生的航发叶片再制造生产线调度方法 |
CN117807846A (zh) * | 2024-01-03 | 2024-04-02 | 中国水利水电科学研究院 | 一种基于数字孪生模型的结构损伤识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113688465B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947086B (zh) | 基于对抗学习的机械故障迁移诊断方法及系统 | |
CN113688465B (zh) | 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 | |
CN114117840B (zh) | 一种基于仿真和试验数据混合驱动的结构性能预测方法 | |
CN105930571B (zh) | 基于单位温度响应监测值的大跨钢桥有限元模型修正方法 | |
Wang et al. | Combined digital twin and hierarchical deep learning approach for intelligent damage identification in cable dome structure | |
CN105550506B (zh) | 基于长期实测数据的桥梁风振响应直接预测方法 | |
CN104992002B (zh) | 一种面向智能蒙皮天线的应变传感器布局方法 | |
WO2024174300A1 (zh) | 一种基于图神经网络的工艺质量时间序列预测方法 | |
CN113625697B (zh) | 考虑任务能力变化的无人机集群可靠性评估方法和系统 | |
CN111024821A (zh) | 一种复合材料贮箱健康监测系统及方法 | |
CN109063283A (zh) | 一种刚-强度融合约束下的连续体结构可靠性拓扑优化方法 | |
CN116451514A (zh) | 桥梁结构状态评估方法、装置以及电子设备 | |
CN117725859A (zh) | 飞机疲劳损伤关键部位的疲劳裂纹扩展预测方法及系统 | |
CN117113852A (zh) | 基于电气、化学、结构、振动参量的gis寿命预测方法 | |
Tong et al. | The prediction of concrete dam displacement using Copula-PSO-ANFIS hybrid model | |
CN115292849A (zh) | 基于相场法和bp神经网络的机械结构剩余寿命预测方法 | |
Ding et al. | Jaya-based long short-term memory neural network for structural damage identification with consideration of measurement uncertainties | |
Zhao et al. | Impact monitoring of large size complex metal structures based on sparse sensor array and transfer learning | |
CN118643569B (zh) | 一种无监督桥梁动态位移响应的重构方法 | |
Voelkl et al. | Computer Aided Internal Optimisation (CAIO) method for fibre trajectory optimisation: A deep dive to enhance applicability | |
zu Westerhausen et al. | Design methodology for optimal sensor placement for cure monitoring and load detection of sensor-integrated, gentelligent composite parts | |
Li et al. | Application of combination forecasting model in aircraft failure rate forecasting | |
CN117034683A (zh) | 参数寻优有限元融合机器学习修正的结构热变形建模方法 | |
CN115186379A (zh) | 基于贝叶斯理论的热防护结构不确定性响应重构方法 | |
CN115577414A (zh) | 一种基于重叠组稀疏模型的结构损伤识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |