[发明专利]基于导波和模糊算法的功能梯度结构材料特性的反演方法

权利要求书

1.基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：包括以下步骤：

1）选择给定的FGM结构的体积分布函数，利用Legendre多项式法计算FGM结构中的导波群速度；

利用遗传算法设计模糊控制器；根据多输入多输出模糊控制器的要求建立一种新的递阶多变量模糊控制器；根据得到的递阶分层结构写出多输入单输出的多层结构；根据得到的多输入单输出的多层结构，写出多输入多输出系统的多层结构；

3） 编写基于遗传算法的递阶多变量模糊控制器参数的优化程序和多输入单输出模糊控制器参数的优化程序；

4） 编写用模糊控制器来反演FGM结构材料特性的程序；

5） 将编写好的模糊控制器的程序用于反演FGM结构的材料特性，反演策略为：选择FGM结构在几个低频处的低阶模态的导波群速度值作为模糊控制器的输入，输出为FGM结构体积分布函数；选择给定的体积分布函数，使用Legendre多项式法分别得到相应的导波群速度。

2.根据权利要求1所述的基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：所述步骤2）的具体过程为：递阶多变量模糊控制器的第一层每个变量取3个模糊子集：{N,Z,P}；第二层取两个模糊子集：{N,P},则模糊规则数一共3²+3²+2²=22条, 以式（1）为隶属度函数，则第一层有24个参数需要确定，第二层有8个参数需要确定；多输入单输出的多层结构中第一层、第二层的参数同递阶多变量模糊控制器，第三层每个变量取2个模糊子集：{N,P}，则模糊规则数为4，同样以式（1）为隶属度函数，第三层有8个参数需要确定；则隶属度函数中共有40个参数待确定，22条控制规则需要确定；

（1）

式（1）中x_i为输入变量， a_i为隶属度函数的宽度，c_i为隶属度函数的中心位置。

3.根据权利要求1所述的基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：所述步骤3）中，遗传算法的种群为100，最大迭代数为500，变量维数为66，交叉概率为0.85，变异使用自适应变异，G为进化的代数。

4.根据权利要求1所述的基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：所述步骤3）中，以式（2）为评价函数，采用遗传算法寻找使得F值最小的参数，该参数为待优化的参数和控制规则；

（2）

式（2）中m为常数0.01，T是采样时间，N为选择的样本数，e为不同采样点之间的误差，de是不同采样点之间误差的变化率。

5.根据权利要求1所述的基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：所述步骤4）中，输入变量的论域选为[0,20],输出变量的论域选为[0,12]和[0,20]。

6.根据权利要求1所述的基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：所述步骤5）中，在高频段，导波衰减很严重，且要激励出每一种模态也比较困难；因此实际选择时，首先，频率点应选在较低频的范围内；其次，由于不同的分布函数会造成在相同的频率上导波所存在的模态数不同，所选频率点应尽量使得在此频率上，各种分布函数的频散曲线上所存在的模态数差别不大；最后，所测频率点之间的间隔不能太小，否则两点间的导波波速变化不大；所选择的组成FGM的两种材料分别为不锈钢和氮化硅，选择、、以及为FGM结构的体积分布函数。

7.根据权利要求1所述的基于导波和模糊算法的功能梯度结构材料特性的反演方法，其特征在于：所述步骤2）中，递阶多变量模糊控制器结构中所需用到的参数和步骤2）中多输入单输出的多层结构、多输入多输出系统的多层结构中的各个参数用遗传算法来优化，所述的各个参数包括输入变量模糊集分布、控制规则和比例因子。