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

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。

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。