[發明專利]一種對飛行器結構損傷狀態進行多元化識別與檢測的方法

無效

• 申請號: 201010589193.0
• 申請日: 2010-12-15
• 公開（公告）號: CN102034111A
• 公開（公告）日: 2011-04-27
• 發明（設計）人: 鄧忠民;孫伶俐;羅媛媛;畢司峰;賈軍;駱寰宇
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 李有浩

技術領域

本發明涉及一種對飛行器結構損傷狀態進行多元化識別與檢測的方法。

背景技術

結構參數的變化直接體現在物理參數的改變上，造成其固有頻率、振型等特征參數的變化，進而使結構的動力響應發生變化。直接基于結構振動測試信號識別結構參數變化情況，可以避免對結構進行繁雜的模態參數求解。此類方法采用傅立葉變換、小波變換等信號處理方法直接對結構響應信號進行分析和處理，根據信號參數的變化或統計特性，識別結構的參數變化情況。與傅立葉變換相比，小波分析具有多尺度特性，在時域和頻域都具有表征信號局部特征的能力，可以檢測到結構參數變化引起的微弱信號突變。

人工神經網絡是對人腦的抽象、簡化和模擬，反映人腦的基本特性，可以完成學習、記憶、識別和推理等功能。從系統觀點看，人工神經網絡是由大量神經元通過極其豐富和完善的聯結形成的自適應非線性動態系統。神經元之間的連接方式不同，神經網絡的結構形態也就不同。人工神經網絡具有下列特征：(1)分布儲存和容錯性；(2)大規模并行處理；(3)自學習、自組織和自適應性；(4)表現出復雜的非線性動態系統的特征；(5)可以處理一些環境信息復雜、知識背景不清楚和推理規則不明確的問題。

考慮到某些結構損傷的能量參數變化指標，面臨樣本少、不確定性大、確定性解析預測模型難以建立等難題，這正符合灰色系統理論研究問題的特點，即序列性、少數據性、全信息性、時間傳遞性、灰因果性。

當飛行器結構出現參數變化(損傷)后，結構的響應信號會相應發生變化，損傷對各頻率成份的抑制和增強作用發生變化。通常，它會明顯地對某些頻率成份起抑制作用，而對另外一些頻率成份起增強作用。因此，結構損傷時的響應輸出與結構正常時的響應輸出相比，相同頻帶內信號的能量會有較大的差別，某些頻帶內信號能量減小，而其它一些頻帶的信號能量增大。于是，在各頻率成份信號的能量中，包含著豐富的結構參數變化信息，某種或某幾種頻率成份能量的改變即代表了一種損傷情況。

發明內容

由于飛行器系統復雜，并且結構參數變化種類也多種多樣，處理的數據量較大。為了對飛行器結構的參數變化損傷程度進行精確地量化，得到表征結構損傷的特征向量，本發明提出了一種對飛行器結構損傷狀態進行多元化識別與檢測的方法。該方法是基于飛行器結構的振動測試信號，應用小波包方法，用于識別結構損傷發生的空間位置和損傷程度，同時提出一種小波包能量變化率指標，結合神經網絡，以小波包能量指標為網絡輸入對結構的損傷程度進行精確地量化分析，還采用灰色理論模型方法進行小波包能量指標預測，進行結構損傷狀態量化預測分析。本發明具有快速性、高精度及實現預測性的優點，功能多樣性，有利于發揮小波包的高頻分辨率、BP神經網絡的非線性映射以及灰色理論模型預測能力相結合的優勢，提高飛行器結構損傷的識別與預測能力。

本發明的一種對飛行器結構損傷狀態進行多元化識別與檢測的方法，其特征在于該方法包括下列步驟：

第一步：對飛行器結構輸出的結構位移響應信號通過小波包分解處理，得到結構振動位移響應信號的能量分量(簡稱為信號能量分量)；

第二步：采用能量變化率指標模型a為初始狀態，b為當前時刻下的狀態，對信號能量分量進行處理，獲得小波能量變化率指標WEI_f(t)j(簡稱為小波-變化率WEI_f(t)j)，所述的小波-變化率WEI_f(t)j能夠用于識別飛行器結構損傷發生的空間位置A(x，y，z)；

第三步：采用BP神經網絡算法對小波-變化率WEI_f(t)j進行處理，得到小波能量-損傷程度WDD_f(t)，該小波能量-損傷程度WDD_f(t)也就是當前時刻下的小波能量-損傷程度；

第四步：采用灰色系統理論對信號能量分量進行處理，獲得下一時刻的信號能量分量

第五步：采用能量變化率指標模型對下一時刻的信號能量分量進行處理，獲得下一時刻的小波-變化率WEI_f(t+1)j；

第六步：采用BP神經網絡算法對下一時刻的小波-變化率WEI_f(t+1)j進行處理，得到下一時刻的小波能量-損傷程度NWDD_f(t)，該下一時刻的小波能量-損傷程度NWDD_f(t)也就是可能出現的小波能量-損傷程度。

本發明多元化識別與檢測的方法的優點在于：