[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

说明书

技术领域

本发明属于材料特性反演技术领域，尤其涉及一种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。

背景技术

功能梯度材料 (Functionally Gradient Materials 简称 FGM)，即是其组分或结构呈有规律的空间变化，使其内部界面减小乃至消失，从而使材料性能也呈空间变化的一种新型非均质复合材料。FGM组分体积含量呈光滑变化的特点带来了减小残余应力、缓和应力集中和增强黏结强度等各种优势，而FGM内部梯度分布形式的多样性使得其能够适应不同的工作环境，因此FGM有着广阔的应用前景，而掌握FGM的材料特性是有效使用其的前提。

超声导波具有频散和多模态特性，即不同的频率处，导波的多个模态具有不同的波速、不同的波结构，而导波的这种特性是由材料本身决定的，因而可以考虑根据导波的特性来反演确定材料的特性。这使得我们可以从多个频率处的多个模态导波信号中提取表征结构动力学特性的各种信息，同时也使得超声导波技术的应用范围越来越广。

先进的复合材料结构力学特性的检测方法通常利用结构的动力学响应（如波速、位移响应及振动频率等）与材料特性之间的复杂关系，通过一个数学模型来表示这种关系时，称为前向问题。这种前向问题可以由解析或数值的方法来解决。继而，如果拥有一系列精确的理论计算数据或实验测量的结构响应数据，结合大量的前向计算，则复合材料的材料特性可以通过正确构建的反演模型来辨识。

现有反演技术在稳定性、数据及加噪后数据处理的误差控制方面具有较大缺陷和一定的局限性。例如，已有文献(Jiangong Yu, Bin Wu. The inverse of material properties of functionally graded pipes using the dispersion of guided waves and an artificial neural network[J]. NDT&E International, 2009, 42:452-458)利用导波的频散特性和人工神经网络来检测FGM板的材料特性，神经网络系统训练的反演网络精度低，误差控制不稳定。已有文献（李深磊，基于超声导波的功能梯度结构材料特性反演确定[D].焦作：河南理工大学，2015年）中用到的BP神经网络也同样存在上面的问题。另外为模拟实际情况，BP神经网络在反演加噪信号时容易陷入局部最值，使得误差很大。同时，上述文献中用到的自适应神经模糊推理系统对材料特性进行反演时，存在自适应神经模糊推理系统仅支持单输出的Takagi-Sugeno型模糊系统，并且控制输入的个数不能大于6个等问题。

鉴于本领域中已知方法的缺陷，非常需要一种快速而且稳定的反演方法对FGM材料特性进行反演。

发明内容

本发明为了解决现有技术中的不足之处，提供一种操作便捷、数据稳定可靠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。

为解决上述技术问题，本发明采用如下技术方案：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，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；

2） 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。