强噪声背景下的复合材料损伤定量识别方法及系统技术方案

本公开提供了一种强噪声背景下的复合材料损伤定量识别方法及系统，在复合材料上模拟不同程度的损伤，并改变不同的位置，采集不同程度及不同位置的Lamb波响应信号；在采集的Lamb波信号中加入一定信噪比的强噪声信号模拟强噪声背景下采集的Lamb波信号；剔除强噪声信号，得到有效信号；将有效信号分为两部分，其中一部分作为训练数据，一部分作为测试数据，并将其进行傅里叶变换得到与不同程度及不同位置损伤相对应的频谱数据实现损伤特征提取；将训练数据代入自动编码器进行训练，得到自动编码器损伤识别模型，将测试数据代入训练后的损伤识别模型，根据模型输出得到损伤定位和定量识别信息。实现了复合材料结构在强噪声环境下的可靠定位和准确定量识别。

Quantitative damage identification method and system for composite materials under strong noise background

【技术实现步骤摘要】
强噪声背景下的复合材料损伤定量识别方法及系统
本公开属于材料损伤信息分析领域，涉及一种强噪声背景下的复合材料损伤定量识别方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。碳纤维增强复合材料(CarbonFibreReinforcedPlastics，CFRP)以质量轻、强度高、可设计能力强等特点，在航空航天工业中扮演着重要的角色。例如，CR929飞机的碳纤维复合材料含量高达50％。然而，碳纤维复合材料结构在制造过程或在役应用过程中，容易受到外部冲击和应力集中造成的不可见损伤，甚至造成严重事故。因此，为保证碳纤维复合材料结构的安全，需要一种损伤定位和定量化的方法。Lamb波以其传播距离长、成本低、对各种缺陷敏感性好使其成为复合材料检测和评价的研究焦点。为实现复合材料的损伤位置判定，学者研究了几何定位法、飞行时间法等方法。几何定位法和飞行时间法需要借助波速才能开展位置判定，然而，由于Lamb波的频散特性，其传播速度是频率和材料厚度的函数，导致波速不是常数，难以实现可靠定位。对于定量损伤识别，现有研究从Lamb波信号的振幅、相变和能量中提取损伤指标，以量化损伤大小。然而，根据专利技术人了解，由于Lamb波在复合材料板中传播机理尚不清楚，使得采用信号特征指标直接量化损伤程度比较困难。另外传感器采集的信号不可避免的含有噪声信号，路士增采用小波变换实现信号中噪声的剔除，为采用时差定位的方法实现损伤定位提供了条件。Boudraa基于经验模态分解实现信号消噪，涉及对每个模态固有函数进行滤波或阈值化，以及使用处理后的模态固有函数重建估计信号，该方法的不足是各个模态之间产生混叠消噪效果不明显。除此之外还有分形去噪方法以及神经网络去噪方法或将分数阶微分方法用于信号去噪，在没有信号先验知识的情况下，可以更有效地去除信号的噪声，同时更好地保留主信号的细节特征。但是这些研究多在实验室环境中开展，未考虑实际应用中如由飞机机翼结构振动产生的噪声以及随机噪声(数据采集系统噪声、外界环境干扰)的强噪声干扰问题。综上，当强噪声存在时，有无损伤状态下信号之间的微弱差异极易被淹没，利用目前的定量分析方法无法实现损伤评估，即目前的复合材料板的损伤评估由实验室研究无法转向实际应用，必须解决强噪声背景下损伤特征提取问题。
技术实现思路
本公开为了解决上述问题，提出了一种强噪声背景下的复合材料损伤定量识别方法及系统，本公开能够在大数据量和强噪声环境下，快速、准确地实现损伤特征的提取是复合材料板损伤定位检测与定量识别，克服了传统损伤定位方法在强噪声环境下基于Lamb波波速无法可靠实现复合材料损伤位置判定、依赖信号特征无法准确定量识别损伤缺陷。根据一些实施例，本公开采用如下技术方案：一种强噪声背景下的复合材料损伤定量识别方法，包括以下步骤：在复合材料上模拟不同程度的损伤，并改变不同的位置，采集不同程度及不同位置的Lamb波响应信号；在采集的Lamb波信号中加入一定信噪比的强噪声信号模拟强噪声背景下采集的Lamb波信号；剔除强噪声信号，得到有效信号；将有效信号分为两部分，其中一部分作为训练数据，一部分作为测试数据，并将其进行傅里叶变换得到与不同程度及不同位置损伤相对应的频谱数据实现损伤特征提取；将训练数据代入自动编码器进行训练，得到自动编码器损伤识别模型，将测试数据代入训练后的损伤识别模型，根据模型输出得到损伤定位和定量识别信息。作为可能的实施方式，利用质量块改变结构应变场模拟真实的损伤，通过改变不同的质量模拟不同程度的损伤，通过改变质量块的设置位置改变损伤的位置。作为可能的实施方式，利用数据采集系统进行损伤数据的采集，具体包括任意函数发生器、放大器、多个压电传感器和示波器，其中，所述任意函数发生器发lamb波信号经放大器放大加载在至少一个压电传感器中，其余的压电传感器通过示波器采集不同质量的质量块在不同位置的Lamb波信号。作为进一步的限定，采集多组数据，每组数据采集多次。作为可能的实施方式，利用同步压缩小波变换算法剔除强噪声信号。作为可能的实施方式，将有效的lamb波信号进行傅里叶变换，将时域信号装换到频域提取特征能体现频率响应的改变与结构损伤程度和位置的关系。作为进一步的限定，所述自编码器采用贪婪学习的方式逐层训练自编码器，由训练好的自编码器堆叠而成。作为进一步的限定，所述自编码器的训练过程分包括两个阶段：第一阶段：把样本输入到第一个SAE网络中并充分进行训练，从而获得第一层的参数，然后将第一层的输出作为第下一个SAE的输入，当模型再次充分训练后，得到该层的参数，并把本次训练好的SAE模型堆叠在一起，依次类推，直到所有的SAE都被训练好；第二阶段：在顶层添加一层神经网络，并将第一阶段所学的参数初始化神经网络，然后利用反向传播算法对训练所得各参数进行有监督的微调。一种强噪声背景下的复合材料损伤定量识别系统，包括：采集系统，被配置为在复合材料上模拟不同程度的损伤，并改变不同的位置，采集不同程度及不同位置的Lamb波响应信号；信号处理系统，被配置为在采集的Lamb波信号中加入一定信噪比的强噪声信号模拟强噪声背景下采集的Lamb波信号；剔除强噪声信号，得到有效信号；将有效信号分为两部分，其中一部分作为训练数据，一部分作为测试数据，并将其进行傅里叶变换得到与不同程度及不同位置损伤相对应的频谱数据实现损伤特征提取；将训练数据代入自动编码器进行训练，得到自动编码器损伤识别模型，将测试数据代入训练后的损伤识别模型，根据模型输出得到损伤定位和定量识别信息。一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种强噪声背景下的复合材料损伤定量识别方法。一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种强噪声背景下的复合材料损伤定量识别方法。与现有技术相比，本公开的有益效果为：本公开有效的解决了因复合材料自身各项异性以及波在复合材料中的传播尚不清楚，难以利用信号的特征指标可靠实现复合材料损伤位置判定准确定量识别损伤的问题。本公开采用具有去强噪声能力强的同步压缩小波变换算法消除在应用环境中因环境产生的强噪声以及使用强非线性拟合能力的SAE算法建立损伤识别模型，实现了复合材料结构在强噪声环境下的可靠定位和准确定量识别。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为激励器传感器布置示意图；图2为本实施例的方法的流程示意图；图3为含噪声的信号；图4为去噪以后的信号；图5为50g的质量块在位置1时三只传感器响应信号的频谱图；图6为100g的质量块在位置1时三只传感器响应信号的频谱图；图7为200g的质量块在位置1时三只传感器响应信号的频谱图；图8为200g的质量块在位置25时三只传感器响应信号的频谱图；图9为200g的质量块在位置56时三只传感器响应信号的频谱图；图10为自编码器网络结构图；图11为损伤位置判定和定量识别结果图；具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说本文档来自技高网...

【技术保护点】
1.一种强噪声背景下的复合材料损伤定量识别方法，其特征是：包括以下步骤：在复合材料上模拟不同程度的损伤，并改变不同的位置，采集不同程度及不同位置的Lamb波响应信号；在采集的Lamb波信号中加入一定信噪比的强噪声信号模拟强噪声背景下采集的Lamb波信号；剔除强噪声信号，得到有效信号；将有效信号分为两部分，其中一部分作为训练数据，一部分作为测试数据，并将其进行傅里叶变换得到与不同程度及不同位置损伤相对应的频谱数据实现损伤特征提取；将训练数据代入自动编码器进行训练，得到自动编码器损伤识别模型，将测试数据代入训练后的损伤识别模型，根据模型输出得到损伤定位和定量识别信息。

【技术特征摘要】
1.一种强噪声背景下的复合材料损伤定量识别方法，其特征是：包括以下步骤：在复合材料上模拟不同程度的损伤，并改变不同的位置，采集不同程度及不同位置的Lamb波响应信号；在采集的Lamb波信号中加入一定信噪比的强噪声信号模拟强噪声背景下采集的Lamb波信号；剔除强噪声信号，得到有效信号；将有效信号分为两部分，其中一部分作为训练数据，一部分作为测试数据，并将其进行傅里叶变换得到与不同程度及不同位置损伤相对应的频谱数据实现损伤特征提取；将训练数据代入自动编码器进行训练，得到自动编码器损伤识别模型，将测试数据代入训练后的损伤识别模型，根据模型输出得到损伤定位和定量识别信息。2.如权利要求1所述的一种强噪声背景下的复合材料损伤定量识别方法，其特征是：利用质量块改变结构应变场模拟真实的损伤，通过改变不同的质量模拟不同程度的损伤，通过改变质量块的设置位置改变损伤的位置。3.如权利要求1所述的一种强噪声背景下的复合材料损伤定量识别方法，其特征是：利用数据采集系统进行损伤数据的采集，具体包括任意函数发生器、放大器、多个压电传感器和示波器，其中，所述任意函数发生器发lamb波信号经放大器放大加载在至少一个压电传感器中，其余的压电传感器通过示波器采集不同质量的质量块在不同位置的Lamb波信号。4.如权利要求1所述的一种强噪声背景下的复合材料损伤定量识别方法，其特征是：采集多组数据，每组数据采集多次。5.如权利要求1所述的一种强噪声背景下的复合材料损伤定量识别方法，其特征是：利用同步压缩小波变换算法剔除强噪声信号。6.如权利要求1所述的一种强噪声背景下的复合材料损伤定量识别方法，其特征是：将有效的lamb波信号进行傅里叶变换，将时域信号装换到频域提取特征能体现频率响应的改变与结构损伤程度和位置的关系。7.如权利要求1所述的一...

【专利技术属性】
技术研发人员：姜明顺，苏晨辉，张法业，张雷，曹弘毅，马蒙源，隋青美，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37