[發(fā)明專(zhuān)利]基于振動(dòng)響應(yīng)信息的粘彈夾層結(jié)構(gòu)老化狀態(tài)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310749941.0
• 申請(qǐng)日: 2013-12-30
• 公開(kāi)（公告）號(hào): CN103776901A
• 公開(kāi)（公告）日: 2014-05-07
• 發(fā)明（設(shè)計(jì)）人: 張周鎖;瞿金秀;李兵;孫闖;郭婷;羅雪;張宸瑄
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安交通大學(xué)
• 主分類(lèi)號(hào): G01N29/04
• 分類(lèi)號(hào): G01N29/04
• 代理公司: 西安通大專(zhuān)利代理有限責(zé)任公司 61200
• 代理人: 陸萬(wàn)壽

1.一種基于振動(dòng)響應(yīng)信息的粘彈夾層結(jié)構(gòu)老化狀態(tài)識(shí)別方法，其特征在于，包含以下步驟：

（1）振動(dòng)響應(yīng)信息的獲取

通過(guò)振動(dòng)臺(tái)及其控制系統(tǒng)對(duì)粘彈夾層結(jié)構(gòu)施加隨機(jī)激勵(lì)，待振動(dòng)穩(wěn)定后，采集振動(dòng)響應(yīng)信息；

（2）基于自適應(yīng)冗余第二代小波包變換的特征提取

首先，基于信號(hào)波形特征構(gòu)造自適應(yīng)的第二代小波，對(duì)振動(dòng)響應(yīng)信號(hào)x進(jìn)行1層第二代小波變換，以細(xì)節(jié)信號(hào)d的Hilbert包絡(luò)譜熵指標(biāo)為目標(biāo)函數(shù)，利用遺傳算法求解使其最小的預(yù)測(cè)器P_opt；假設(shè)細(xì)節(jié)信號(hào){d_i}的Hilbert包絡(luò)譜為{f_i}，計(jì)算其譜值在整個(gè)譜中的分布概率密度p_i，預(yù)測(cè)器的目標(biāo)函數(shù)定義為：

Ef=-Σnpilnpi]]>

為了使逼近信號(hào)s能更準(zhǔn)確表征原始信i號(hào)中除細(xì)節(jié)信號(hào)以外的特征，以重構(gòu)誤差J_U作為更新器的衡量標(biāo)準(zhǔn)，求解使J_U最小的更新器U_opt，J_U定義為：

JU=E{(s^(0)-s(0))2}+E{(d^(0)-d(0))2}]]>

其中，和分別為當(dāng)細(xì)節(jié)信號(hào)d=0時(shí)重構(gòu)信號(hào)的偶序列樣本與奇序列樣本；E{·}表示數(shù)學(xué)期望；

其次，根據(jù)構(gòu)造的自適應(yīng)預(yù)測(cè)器P_opt和自適應(yīng)更新器U_opt，利用插值補(bǔ)零的方法獲得第l層的冗余預(yù)測(cè)器和冗余更新器提出自適應(yīng)冗余第二代小波包變換方法，其分解和重構(gòu)過(guò)程分別如下式所示：

cl+1,2=cl,1-Popt(l+1)(cl,1)cl+1,1=Cl,1+Uopt(l+1)(cl+1,2)...cl+1,2l+1=c1,2l-Popt(l+1)(cl,2t)cl+1,2l+1-1=c1,2l+Uopt(l+1)(cl+1,2l+1)]]>

cl,1=12(cl+1,1-Uopt(l+1)(cl+1,2)+cl+1,2+Popt(l+1)(cl+1,1-Uopt(l+1)(cl+1,2)))...cl,2l=12(cl+1,2l+1-1)-Uopt(l+1)(cl+1,2l+1)+cl+1,2l+1+Popt(l+1)(cl+1,2l+1-1-Uopt(l+1)(cl+1,2l+1))]]>

最后，基于提出的自適應(yīng)冗余第二代小波包變換進(jìn)行特征提取，對(duì)振動(dòng)響應(yīng)信號(hào)進(jìn)行至少三層小波包分解，分別提取每個(gè)頻帶信號(hào)Hilbert包絡(luò)譜的頻域統(tǒng)計(jì)特征組成原始特征集；

（3）基于距離評(píng)估技術(shù)的敏感特征選擇

將第j個(gè)特征的評(píng)估因子，定義為：

αj=dj(b)/dj(w)]]>

其中，表示第j個(gè)特征C個(gè)類(lèi)的類(lèi)間距離的平均值；表示第j個(gè)特征C個(gè)類(lèi)的類(lèi)內(nèi)距離的平均值，α_j的大小反映了第j個(gè)特征對(duì)C個(gè)類(lèi)進(jìn)行分類(lèi)的難易程度，α_j越大表示第j個(gè)特征越敏感，更容易對(duì)C個(gè)類(lèi)進(jìn)行分類(lèi)，選擇大于一定閾值的α_j所對(duì)應(yīng)的特征構(gòu)成敏感特征集；

（4）基于多小波支持向量機(jī)的分類(lèi)識(shí)別

首先，根據(jù)支持向量機(jī)核函數(shù)條件和多小波變換理論構(gòu)造多小波核函數(shù)，采用GHM多小波，構(gòu)造的多小波核函數(shù)定義如下：

K1(x,x′)=Πi=1dCOR(ψ1(xi-xi′a))+Πi=1dCOR(ψ2(xi-xi′a))]]>

K2(x,x′)=Πi=1d(COR(ψ1(xi-xi′a))×COR(ψ2(xi-xi′a)))]]>

其中：K表示核函數(shù)；d表示樣本維數(shù)；ψ_k(·),k=1,2表示兩個(gè)GHM多小波函數(shù)；COR(ψk)=∫-∞∞ψk(v)ψk(t+v)d v]]>表示多小波函數(shù)的自相關(guān)，

其次，將構(gòu)造的多小波核函數(shù)與支持向量機(jī)相結(jié)合，實(shí)現(xiàn)多小波支持向量機(jī)的分類(lèi)識(shí)別；

最后，多小波支持向量機(jī)輸出如下形式的分類(lèi)決策函數(shù)：

f(x)=sign[Σi=1nαiyiKk(x,xi)+b]]]>

其中：x表示未知樣本；n表示訓(xùn)練樣本個(gè)數(shù)；k=1或2，分別表示構(gòu)造的兩個(gè)多小波核函數(shù)，根據(jù)該分類(lèi)決策函數(shù)即可自動(dòng)識(shí)別出未知樣本所對(duì)應(yīng)的粘彈夾層結(jié)構(gòu)的老化狀態(tài)。

2.如權(quán)利要求1所述的基于振動(dòng)響應(yīng)信息的粘彈夾層結(jié)構(gòu)老化狀態(tài)識(shí)別方法，其特征在于，所述的評(píng)估因子α_j選擇大于一閾值，該閾值設(shè)定為所有評(píng)估因子的平均值。