本公开揭示了一种基于增强稀疏的复合材料结构冲击载荷识别方法，包括：获取复合材料结构冲击激励位置与响应测点位置间的传递函数矩阵；测量施加于复合材料结构的待识别冲击载荷所产生的冲击响应信号；构造基于lp范数的增强稀疏正则化模型，并利用迭代加权l1范数方法求解增强稀疏正则化模型，识别施加于复合材料结构的冲击载荷。本公开还揭示了一种基于增强稀疏的复合材料结构冲击载荷识别装置。与基于l2范数的Tikhonov方法相比，本公开稳定性强，能够抑制测量噪声在识别结果中的放大；与基于l1范数的标准稀疏正则化方法相比，本公开能够提升冲击载荷峰值力的识别精度，结果也更加稀疏。
【技术实现步骤摘要】
基于增强稀疏的复合材料结构冲击载荷识别方法及装置
本公开属于复合材料结构健康监测领域，具体涉及一种基于增强稀疏的复合材料结构冲击载荷识别方法及装置。
技术介绍
对复合材料结构而言，冲击载荷造成的目不可检损伤是构成结构安全的重大威胁和隐患之一。复合材料结构如商用航空发动机风扇叶片、机翼等，在服役和维护过程中不可避免地遭受到外来物如冰雹、飞鸟、维修工具等的冲击。当冲击载荷超过复合材料结构冲击损伤阈值时，会在结构内部形成隐蔽性强、危害性大且目不可检的致命“内伤”，损伤累积下来会对复合材料结构的完整性以及承载能力造成隐患，从而造成巨大的经济损失和人员伤亡。因此，在复合材料的结构健康监测中，及时识别可能引起损伤的冲击载荷具有重要的意义。载荷识别起源于20世纪70年代的航空领域，由于对飞机性能要求的提高，设计过程中采用了大量复合材料，为了更好地发挥复合材料结构承载性能，要求准确地了解飞机在实际飞行中的受力状况，于是提出了载荷识别的研究课题。利用易于测量的振动响应间接地实现未知动载荷识别，属于结构动力学的第二类反问题，其病态特性意味着测量响应中的微小误差就可能导致识别的动载荷严重偏离真实值。与动力响应求解正问题不同，载荷识别反问题是典型的病态或不适定性问题，即不满足Hadmard存在性、唯一性和稳定性三准则，而需要通过正则化方法添加约束条件，将不适定性问题转化为适定性问题。近30年来，在l2范数正则化框架下，通过添加约束条件，各类正则化方法如Tikhonov、截断奇异值分解、函数逼近法等广泛应用到冲击载荷识别领域，以克服反问题的不适定性。然而，现有的基于l2范数的正则化方法在识别精度、稳定性、计算效率、参数选取等方面均存在瓶颈和局限。近10年，受压缩感知新理论的推动，基于l1范数的稀疏约束作为一个基本正则化条件受到空前的关注，并迅速成为信号、图像处理及相关领域的前沿研究课题。从稀疏的角度来说，冲击载荷相对其采样数据长度在时域内是非常稀疏的，仅仅在冲击加载区附近有较大值而非加载区为零。当前基于l1范数的标准稀疏正则化方法已经应用在载荷识别领域，然而该方法易导致“欠估计”的冲击载荷识别结果，且在识别结果的稀疏度方面还存在提升空间。
技术实现思路
针对上述问题，本公开的目的在于提供一种基于增强稀疏的复合材料结构冲击载荷识别方法，能够解决基于l1范数的标准稀疏正则化方法“欠估计”的技术问题，以及解决传统的基于l2范数的正则化方法识别精度低、解不稳定的技术问题。本公开的目的是通过以下技术方案予以实现的：一种基于增强稀疏的复合材料结构冲击载荷识别方法，包括如下步骤：S100：获取复合材料结构冲击激励位置与响应测点位置间的传递函数矩阵；S200：测量施加于复合材料结构的待识别冲击载荷所产生的冲击响应信号；S300：基于步骤S100和步骤S200构造基于lp范数的增强稀疏正则化模型，并利用迭代加权l1范数方法求解增强稀疏正则化模型，识别施加于复合材料结构的冲击载荷。优选的，步骤S100包括如下步骤：S101：获取复合材料结构冲击激励位置与响应测点位置间的频响函数H(ω)；S102：对频响函数H(ω)进行快速傅里叶逆变换得到单位脉冲响应函数h(t)，对单位脉冲响应函数h(t)离散获得传递函数矩阵H，其中，ω表示圆频率变量，t表示时间变量。优选的，步骤S101中，所述频响函数H(ω)通过锤击法或通过建立复合材料结构有限元模型并进行谐响应分析获得。优选的，步骤S200中，所述冲击响应信号通过振动传感器测量。优选的，步骤S300包括如下步骤：S301：构造基于lp范数的增强稀疏正则化模型：其中，H表示传递函数矩阵；f表示待识别冲击载荷；表示残差项，表示lp范数正则化项或罚函数项；范数p取值范围为p∈[0,1]；λ表示正则化参数；n表示冲击载荷向量f的数据长度；fi表示待识别载荷矢量f中的第i个元素；||·||2表示矢量的l2范数；S302：确定范数p的取值：当p＝1时，增强稀疏正则化模型为标准的凸优化模型；当p∈[0,1)时，增强稀疏正则化模型是非凸的。S303：初始化：正则化参数λ＝0.01||HTy||∞～0.5||HTy||∞、迭代终止阈值ε＝10-6、权重调整参数η(0)＝0.00001～1，权重矩阵为单位矩阵W(0)＝I，迭代次数k＝0；其中，H表示传递函数矩阵；y表示冲击响应信号；||·||∞表示无穷范数；上标T表示矢量的转置。S304：求解基于lp范数的增强稀疏正则化模型：将步骤S301所构造的lp范数增强稀疏正则化模型转换为加权l1范数模型：其中，min表示最小化；H表示传递函数矩阵；f表示待识别冲击载荷；y表示冲击响应信号；表示残差项；||W(k)f||1表示正则化项；||.||1表示矢量的l1范数；λ表示正则化参数；W(k)表示迭代次数k时的权重矩阵；k表示迭代次数；令中间变量x＝W(k)f，则待识别载荷可表示为f＝(W(k))-1x，则上式转化为标准的l1范数正则化模型：其中，y表示冲击响应信号；x表示中间变量；λ表示正则化参数；定义中间矩阵A＝H(W(k))-1。S305：更新权重k表示迭代次数；为了便于计算，可取权重调整参数η(k)＝η(0)。S306：设定迭代加权l1范数方法迭代终止准则，根据下式判断迭代是否收敛：其中，若当前解f(k+1)满足上式迭代终止准则，则终止迭代过程，获得冲击载荷f；否则，令迭代次数k＝k+1，迭代过程返回步骤S304继续迭代计算，直到满足上式。优选的，步骤S304中，求解基于lp范数的增强稀疏正则化模型的方法包括如下任意一种：凸优化方法如内点法、梯度投影法和迭代阈值方法。本公开还提供一种基于增强稀疏的复合材料结构冲击载荷识别装置，包括：传递函数测量模块，用于获取复合材料结构冲击激励位置与响应测点位置间的传递函数矩阵；冲击响应测量模块，用于获取施加于复合材料结构的待识别冲击载荷所产生的冲击响应信号；载荷识别模块，用于构造基于lp范数的增强稀疏正则化模型，并利用迭代加权l1范数方法求解增强稀疏正则化模型，识别施加于复合材料结构的冲击载荷。优选的，所述冲击响应信号通过振动传感器测量。优选的，所述基于lp范数的增强稀疏正则化模型为：其中，H表示传递函数矩阵；f表示待识别冲击载荷；表示残差项，表示lp范数正则化项或罚函数项；范数p取值范围为p∈[0,1]；λ表示正则化参数；n表示冲击载荷向量f的数据长度；fi表示待识别载荷矢量f中的第i个元素；||·||2表示矢量的l2范数。优选的，所述基于lp范数的增强稀疏正则化模型可转换为加权l1范数模型：其中，min表示最小化；H表示传递函数矩阵；f表示待识别冲击载荷；y表示冲击响应信号；表示残差项；||W(k)f||1表示正则化项；||.||1表示矢量的l1范数；λ表示正则化参数；W(k)表示迭代次数k时的权重矩阵；k表示迭代次数；令中间变量x＝W(k)f，则待识别冲击载荷可表示为f＝(W(k))-1x，则上式转化为标准的l1范数正则化模型：其中，y表示冲击响应信号；x表示中间变量；λ表示正则化参数；定义中间矩阵A＝H(W(k))-1。与现有技术相比，本公开带来的有益效果为：1、与基于l2范数的Tikhonov方法相比，本公开稳定性强，能够抑本文档来自技高网...
【技术保护点】
1.一种基于增强稀疏的复合材料结构冲击载荷识别方法，包括如下步骤：S100：获取复合材料结构冲击激励位置与响应测点位置间的传递函数矩阵；S200：测量施加于复合材料结构的待识别冲击载荷所产生的冲击响应信号；S300：基于步骤S100和步骤S200构造基于lp范数的增强稀疏正则化模型，并利用迭代加权l1范数方法求解增强稀疏正则化模型，识别施加于复合材料结构的冲击载荷。
【技术特征摘要】
1.一种基于增强稀疏的复合材料结构冲击载荷识别方法，包括如下步骤：S100：获取复合材料结构冲击激励位置与响应测点位置间的传递函数矩阵；S200：测量施加于复合材料结构的待识别冲击载荷所产生的冲击响应信号；S300：基于步骤S100和步骤S200构造基于lp范数的增强稀疏正则化模型，并利用迭代加权l1范数方法求解增强稀疏正则化模型，识别施加于复合材料结构的冲击载荷。2.根据权利要求1所述的方法，其特征在于，优选的，步骤S100包括如下步骤：S101：获取复合材料结构冲击激励位置与响应测点位置间的频响函数H(ω)；S102：对所述频响函数H(ω)进行快速傅里叶逆变换得到单位脉冲响应函数h(t)，对单位脉冲响应函数h(t)离散获得传递函数矩阵H；其中，ω表示圆频率变量，t表示时间变量。3.根据权利要求2所述的方法，其特征在于，步骤S101中，所述频响函数H(ω)通过锤击法或通过建立复合材料结构有限元模型并进行谐响应分析获得。4.根据权利要求1所述的方法，其特征在于，步骤S200中，所述冲击响应信号通过振动传感器测量。5.根据权利要求1所述的方法，其特征在于，步骤S300包括如下步骤：S301：构造基于lp范数的增强稀疏正则化模型G(f)：其中，H表示传递函数矩阵；f表示待识别冲击载荷；表示残差项，表示lp范数正则化项或罚函数项；范数p取值范围为p∈[0,1]；λ表示正则化参数；n表示冲击载荷向量f的数据长度；fi表示待识别载荷矢量f中的第i个元素；||·||2表示矢量的l2范数；S302：确定范数p的取值：当p＝1时，增强稀疏正则化模型为标准的凸优化模型；当p∈[0,1)时，增强稀疏正则化模型是非凸的；S303：初始化：正则化参数λ＝0.01||HTy||∞～0.5||HTy||∞、迭代终止阈值ε＝10-6、权重调整参数η(0)＝0.00001～1，权重矩阵为单位矩阵W(0)＝I，迭代次数k＝0；其中，H表示传递函数矩阵；y表示冲击响应信号；||·||∞表示无穷范数；上标T表示矢量的转置；S304：求解基于lp范数的增强稀疏正则化模型：将步骤S301所构造的lp范数增强稀疏正则化模型转换为加权l1范数模型：其中，min表示最小化；H表示传递函数矩阵；f表示待识别冲击载荷；y表示冲击响应信号；表示残差项；||W(k)f||1表示正则化项；λ表示正则化参数；||.||1表示矢量的l1范数；W(k)表示迭代次...
【专利技术属性】
技术研发人员：乔百杰，陈雪峰，杨志勃，刘金鑫，张兴武，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。