基于小波分析和BP神经网络的复合材料损伤检测方法技术

本发明专利技术公开了一种基于小波分析和BP神经网络的复合材料损伤检测方法，采用小波分析算法中小波包分析预处理损伤信号，依据小波包分析算法对小波包分解系数进行重构，用小波包对损伤信号进行5层分解后，会得到32个频率成分，紧接着对小波包分解的系数进行重构，根据各个结点系数表示各阶的能量，得到小波包的能量谱图，选取小波包能量谱中能量值最大，即最为敏感的一阶能量值作为损伤特征向量，其次提取不同损伤状况的特征向量组成BP神网络的学习样本。本发明专利技术收敛速度较快，简单有效，经过学习训练后的BP神经网络具有复合材料损伤模式识别的能力，能准确地识别复合材料损伤及损伤程度大小，并能实现损伤定位。

【技术实现步骤摘要】

本专利技术设计一种基于小波分析和BP神经网络的复合材料损伤检测方法，属于结 构健康监测中的损伤信号识别处理

技术介绍
复合材料具有质量轻、强度高、耐腐蚀等优点，已经广泛于军事、航天、交通、电子 电气、等领域。由于复合材料很容易遭受外来破坏而产生损伤，所W对复合材料进行损伤检 测就显得很重要，目前对复合材料损伤信号高效的识别处理方法研究较少。 现有技术中，对复合材料的检测一般采用声发射法，检测声波一般采用Lamb波， 由于Lamb波对损伤较敏感，且分析较容易，一般采用短时傅立叶变换、小波变换及上述的 HHT变换等方法。常规傅里叶分析理论在时频联合分析方面存在局限，只能简单的将时域信 号转化为频域信号，而不能得到具体频率段数据出现的时间，运在数据处理中具有严重弊 端；HHT变换在分解复杂信号时存在求解结果精度不高、计算时间长的不足，同时还存在边 端效应、越界问题、停止准则和虚假低频成分过滤的问题。短时傅里叶变换在提取包络时对 设定的频率处效果较好，对其他频率的信号处理效果较差。小波变换能将数据分为n段处 理，但是单纯的小波变换不够智能，需要专业人±才能识别信号，检本文档来自技高网...

【技术保护点】
基于小波分析和BP神经网络的复合材料损伤检测方法，其特征在于，包括以下步骤：步骤(1)，采集复合材料损伤信号；步骤(2)，构建提取损伤信号的小波分析算法，并获取小波包的能量谱；步骤(3)：选取BP网络学习样本，并建立损伤识别BP神经网络模型；步骤(4)，复合材料损伤输出：经过M次训练后BP神经网络达到收敛，基于学习训练好BP神经网络对复合材料进行损伤检测，并输出损伤结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：胡宁，
申请(专利权)人：南京市计量监督检测院，
类型：发明
国别省市：江苏;32