logo móvil
Contáctanos

La Extracción de Características de la Respuesta al Impacto y la Reconstrucción de Cargas Basada en la Teoría de Respuesta al Impulso

Autores: Huang, Dawei; Gao, Yadong; Yu, Xinyu; Chen, Likun

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

La Extracción de Características de la Respuesta al Impacto y la Reconstrucción de Cargas Basada en la Teoría de Respuesta al Impulso


Categoría

Tecnología de Equipos y Accesorios

Subcategoría

Diseño de equipos y herramientas

Palabras clave

Carga de impacto
Reconstrucción
Resistencia estructural
Método de identificación
Teoría de respuesta al impulso
Red neuronal

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 16

Citaciones: Sin citaciones


Descripción
La carga de impacto es un tipo de excitación aperiódica con un tiempo de acción corto y una gran amplitud, tuvo un efecto más significativo en la estructura que la carga estática. La reconstrucción (o identificación) de la carga de impacto es de gran importancia para validar la resistencia estructural. El objetivo de este artículo fue reconstruir la carga de impacto con precisión. Se propone un método de identificación de carga de impacto basado en la teoría de respuesta al impulso (IRT) y una red neuronal BP (Back Propagation). Las señales de excitación y respuesta se transformaron a la misma longitud extrayendo el valor máximo (amplitud de la onda sinusoidal) en el período de oscilación ascendente de la respuesta. Primero, dedujimos que había una relación lineal aproximada entre la integral en tiempo discreto de la carga de impacto y la amplitud del período de oscilación de la respuesta. En segundo lugar, se utilizó una red neuronal BP para establecer una relación lineal entre la integral en tiempo discreto de la carga de impacto y el valor máximo en el período de oscilación ascendente de la respuesta. En tercer lugar, la red fue entrenada y verificada. El error entre la amplitud máxima real de la carga de impacto y el valor de identificación fue del 2.22%. El error entre el impulso equivalente real y el valor de identificación fue del 0.67%. Los resultados mostraron que este método tenía alta precisión y potencial de aplicación.

Otros recursos que podrían interesarte

Temas Virtualpro