[發明專利]考慮模型選擇不確定性的裂紋檢出概率評估方法

有效

• 申請號: 202010420833.9
• 申請日: 2020-05-18
• 公開（公告）號: CN111598170B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 何晶靖;高晨竣
• 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;G06F30/15;G06F119/04
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 宋紅賓

本發明提供考慮模型選擇不確定性的裂紋檢出概率評估方法，得到實際損傷情況以及與損傷有關的信號；從信號數據中提取若干損傷敏感特征，給出若干損傷量化模型；使用部分數據得到模型擬合參數的先驗估計值；根據預留數據驗證模型有效性；使用對目標結構的實測數據對擬合參數的后驗統計分布情況進行估計；用可逆跳轉MCMC抽樣對擬合參數及擬合模型的概率分布進行貝葉斯更新；從抽樣結果得到模型的后驗概率分布，計算得到貝葉斯因子，對各個模型預測能力進行判別；對先前可逆跳轉MCMC抽樣獲得的每個樣本生成POD曲線，設置置信區間和均值，得到融合模型的POD曲線。本發明具有更強的預測魯棒性，并提供考慮模型參數及模型選擇不確定性的POD曲線，更加全面可靠。

技術領域

本發明涉及無損檢測技術領域，具體提供一種考慮模型選擇不確定性的裂紋檢出概率評估方法。

背景技術

作為變革飛行器傳統的結構維護策略、實現基于飛行器結構實際狀態的視情維修的基礎，結構健康監測技術及其在航空航天工程中的應用基礎研究與關鍵技術攻關已成為研究熱點。為保障結構的安全性，損傷容限設計要求在結構滿足剩余強度要求的規定范圍內對損傷進行有效、及時的監測，因而無損檢測的能力對于損傷容限設計至關重要。無損檢測技術的實施不可避免會受到如制備工藝、檢測環境、儀器性能及操作人員等多種因素的影響，得到的有關缺陷的信息存在著一定的分散性和隨機性。不同的檢測設備可能會得到不同的檢測結果，同一設備對同一缺陷的重復測量得到的結果也可能不同，因此在實際使用時需要對無損檢測手段的可靠性進行評估。

裂紋檢出概率(Probability of detection,以下簡稱POD)是定量衡量無損評估系統可靠性的重要指標，它被定義為在指定條件下，采用指定無損檢測方法，一定尺寸a的裂紋在一次獨立檢測中被檢出的概率。POD從與預測精度不同的角度評估了檢測手段的好壞，是飛機結構損傷容限設計與制定檢測維修計劃的重要基礎，直接影響結構的安全性和經濟性。為了簡化評估過程并實現定量結果，基于模型的POD被提出并得到了發展。針對同一種檢測方式往往存在不同的模型用于表征損傷的大小，這使得量化模型的選擇本身就具有不確定性。同時，不同的模型在最小檢測裂紋和檢出概率上往往各有優勢，因此研究如何實現各模型的融合，以達到更準確的檢測變成了關鍵。傳統的檢出概率是針對單一損傷量化模型進行檢測結果評估，而不同的損傷量化模型所帶來的模型選擇不確定性在傳統的檢出概率模型中是無法考慮的。

目前針對模型和參數不確定性的概率方法主要是貝葉斯方法。模型中存在模型參數擬合的不確定性和模型選擇不確定性兩方面的不確定性，它們的綜合可以通過一個貝葉斯框架完成。在這種框架下的貝葉斯更新，使用系統響應的測量數據，根據貝葉斯公式更新對該模型的統計判斷，具有綜合考慮先驗信息與實時檢測情況的優勢，模型的選擇或融合可以通過比較更新得到的貝葉斯因子的大小進行判定。由于求取后驗概率需要進行復雜的高維積分，求解困難，在實際應用時可以通過解析法(拉普拉斯近似法)或者抽樣法(馬爾科夫鏈蒙特卡羅方法)近似。

馬爾科夫鏈蒙特卡羅方法(Markov Chain Monte Carlo,以下簡稱MCMC)是一種通過仿真對概率分布比較復雜的目標分布的隨機采樣方法，其中蒙特卡羅方法通過接受-拒絕決策用簡單分布模擬目標分布，馬爾科夫鏈提供復雜概率分布的采樣樣本集。Metropolis-Hastings方法(以下簡稱M-H方法)是MCMC方法的一種改進版本，減少廢棄樣本的浪費。不同模型擬合參數的維度可能不同。傳統MCMC或M-H方法并沒有提供多模型條件下可變維參數的抽樣方法，而可逆跳轉MCMC算法在它們的基礎上，將模型本身作為一個離散參數，可以在一次仿真中同時估計模型的概率和參數分布。在這個條件下，貝葉斯因子可以簡單通過樣本中各個模型的數量運算得到，簡化了貝葉斯更新的計算量。