An idealized demonstrator of an civil aircraft wing spoiler in scale 1:2 is developed to evaluate strain-based structural health monitoring (SHM) methods under realistic loading conditions. SHM promises to increase operational safety and reduce maintenance costs of optimized lightweight structures by its early damage detection capabilities. Also localization and size identification of damages could be shown for simple parts, e.g. beams or plates in many laboratory experiments. However, the application of SHM systems on real structures under realistic loading conditions is cost intensive and time consuming. Furthermore, testing facilities which are large enough to fit full scale aircraft parts are often not available. The proposed procedure of developing a scaled spoiler demonstrator under idealized loading and support conditions solves these issues for strain-based SHM. The procedure shows how to reproduce the deformation shape of a real aircraft spoiler under a heavy loading condition during landing by numerical optimization. Subsequent finite element simulations and experimental measurements proved similar deformations and strain states of the idealized demonstrator and the real spoiler. Thus, using the developed idealized spoiler demonstrator strain-based SHM systems can be tested under loading conditions similar to realistic operational loads by significantly reduced test effort and costs.


翻译:在现实的装载条件下,为评价基于压力的结构健康监测方法,开发了1:2级民用机翼破坏机的理想示范器,以评价基于压力的结构健康监测方法; 高级机械中心承诺通过早期损坏探测能力,提高操作安全性,降低优化轻型结构的维护费用; 还可以对简单的部件,如许多实验室实验中的光束或板块,进行局部和大小的确定损害; 然而,在现实的装载条件下,在实际结构中应用小型飞行器系统的费用十分密集,耗时费时; 此外,往往没有足够适合完整规模飞机部件的测试设施; 在理想化装载和辅助条件下开发一个规模扩大的拆卸机示范器,解决了基于压力的小型机械中心的问题; 该程序表明如何在以数字优化的方式在着陆时在重载条件下复制真正的飞机拆卸机的变形; 随后的有限要素模拟和实验测量结果证明,理想化的恶魔和真正的拆卸机系统具有相似的变形和压力状态; 因此,利用先进的理想化的拆卸式拆卸式的拆解器的碎片系统,可以在装载条件下进行试验,以大幅度降低实际的试验成本。

0
下载
关闭预览

相关内容

机器人运动轨迹的模仿学习综述
专知会员服务
45+阅读 · 2021年6月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
248+阅读 · 2020年4月19日
ExBert — 可视化分析Transformer学到的表示
专知会员服务
32+阅读 · 2019年10月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
YOLOv3Tiny 仅需2.17ms,OpenCV 4.2 DNN with CUDA 示例
极市平台
8+阅读 · 2020年1月21日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
trape 一种识别工具
黑白之道
4+阅读 · 2019年5月2日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年6月11日
Neural Architecture Search without Training
Arxiv
10+阅读 · 2021年6月11日
Arxiv
0+阅读 · 2021年6月9日
VIP会员
相关资讯
YOLOv3Tiny 仅需2.17ms,OpenCV 4.2 DNN with CUDA 示例
极市平台
8+阅读 · 2020年1月21日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
trape 一种识别工具
黑白之道
4+阅读 · 2019年5月2日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员