[發明專利]時變環境下結構損傷的高斯混合模型-路徑累積成像方法

有效

• 申請號: 201810049766.7
• 申請日: 2018-01-18
• 公開（公告）號: CN108303433B
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 邱雷;袁慎芳;任元強;房芳
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01N23/00
• 分類號: G01N23/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 曹蕓

1.一種時變環境下結構損傷的高斯混合模型-路徑累積成像方法，其特征在于，包括如下幾個步驟：

(1)當結構處于時變環境及健康狀態下時，連續采集R次結構上布置的壓電傳感器網絡中各激勵-傳感路徑的導波信號，R為大于等于1的自然數，對于其中的每一個路徑，從其R次信號中提取R組二維特征參數，構建包含R個樣本的基準二維特征參數樣本集，在此基礎上建立基準高斯混合模型來表征基準二維特征參數樣本集受時變條件影響產生的不確定性分布；

(2)當結構處于時變環境及監測狀態下時，采集一次各激勵-傳感路徑的導波信號，對于其中的每一個路徑，分別提取一組二維特征參數并用于更新該路徑的基準二維特征參數樣本集，得到更新后的監測二維特征樣本集，進而建立監測高斯混合模型；

(3)對于壓電傳感器網絡中的每一個激勵-傳感路徑，采用基于概率分量最小匹配KL距離的概率分布遷移距離計算方法來量化更新后的監測高斯混合模型和基準高斯混合模型之間的遷移程度，將度量結果作為時變無關信號特征參數，以在時變條件下可靠表征該路徑受損傷的影響程度；

(4)基于壓電傳感器網絡中各路徑的時變無關信號特征參數，采用路徑成像算法融合網絡中所有路徑的時變無關信號特征參數進行成像，生成整個網絡監測范圍內的損傷成像結果；

(5)重復步驟(2)至步驟(4)N次，N為大于等于1的自然數，即每采集1次各激勵-傳感路徑的導波信號后，就更新各路徑的監測二維特征參數樣本集、監測高斯混合模型、計算時變無關信號特征參數并進行成像，從而獲得按時間先后順序累積的N幅損傷成像圖像；

(6)通過判別累積的N幅損傷成像圖像中損傷逐漸凸顯的位置實現損傷定位。

2.根據權利要求1所述的時變環境下結構損傷的高斯混合模型-路徑累積成像方法，其特征在于，步驟(1)和(2)中所述的二維特征參數樣本集記為X，表達式如下：

X＝{x₁,...,x_r,...x_R}

其中：為對應于第r個信號的一組二維信號特征參數，r＝1,2,…,R，DI^r₁和DI^r₂分別為對應于第r個信號的互相關損傷因子DI₁和頻譜幅度差損傷因子DI₂，表達式分別如下：

其中，b(t)和m(t)分別代表計算損傷因子時的基準信號和監測信號；t₀和t₁分別代表計算損傷因子時選取的信號段的起始、截止時間；ω₀和ω₁分別為選取的信號頻譜段的起始頻率和截止頻率。

3.根據權利要求1所述的時變環境下結構損傷的高斯混合模型-路徑累積成像方法，其特征在于，步驟(1)和(2)中所述的高斯混合模型表達式如下：

其中，表示高斯混合模型表征的x_r的概率密度函數，表示的分布參數，G為高斯混合模型中高斯分量的個數，π_g和θ_g分別為第g個高斯分量ξ_g的混合權值和分布參數，g＝1,2,…,G，ξ_g的概率密度函數表達如下：

其中，μ_g和Σ_g分別為ξ_g的均值向量和協方差矩陣，d為x_r的維度。