一种嵌入光纤光栅的柔性结构形变重构方法技术

本发明专利技术提出了一种嵌入光纤光栅的柔性结构形变重构方法，用于解决现有技术中存在的形变重构误差较大的技术问题，实现步骤为：(1)获取目标数据H

A deformation reconstruction method of flexible structure embedded in FBG

The invention provides a deformation reconstruction method of flexible structure embedded with fiber grating, which is used to solve the technical problem of large deformation reconstruction error in the prior art. The realization steps are: (1) obtaining the target data H

【技术实现步骤摘要】
一种嵌入光纤光栅的柔性结构形变重构方法
本专利技术属于雷达天线
，具体涉及一种嵌入光纤光栅的柔性结构形变重构方法。
技术介绍
近年来开发的某些关键的柔性结构，不同程度的会受到环境对其性能的影响，比如安装在飞机、军舰和装甲车辆的结构表面的蒙皮天线，在服役环境中由于风雪，振动和外力冲击等一些不可抗因素，都会导致天线阵面发生变形，进而导致蒙皮天线的电性能严重恶化甚至丧失工作能力。就嵌入结构基体的传感技术而言，其承担着感知外界环境的变化和结构中各种信息的重要作用，光纤光栅作为一种新型传感器，具有灵敏度高、体积质量小、抗电磁干扰、易于形成分布式网络等优点，并且随着光纤光栅植入、波分复用、空分复用等技术的日益成熟被广泛应用于雷达天线技术等领域。为了能够保证柔性结构的性能要求，需要通过嵌入光纤光栅来重构位移，准确的监测柔性结构的形变。嵌入光纤光栅的柔性结构形变重构方法有KO法和基于模态理论方法，基于模态理论方法是通过对结构进行模态分析得到模态坐标，进而求得重构位移。由于重构的位移是作为后续工作的基础，所以要求用少量传感器高效率的获得高精度的重构位移。就目前技术而言，制约模态理论方法重构精度的主要原因是不能直接得到柔性结构的模态信息，而是通过与柔性结构接近的虚拟模型来提取，它们之间的差异就会造成较大的重构误差，例如：申请公布号为CN107103111A，名称为“基于应变传感器的电子装备功能形面特征点位移场重构方法”的中国专利技术专利申请，该方法基于模态分析理论，在结构载荷信息未知的情况下，采用应变-位移转换关系通过少量应变传感器测量的应变值重构出电子装备功能形面特征点的位移场。在实际应用中，由于虚拟模型和实物之间存在差距，所以基于模态理论的应变-位移转换矩阵不能真实地反映实物模型的测量应变与实际位移之间的关系，导致形变重构误差较大。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的缺陷，提出了一种嵌入光纤光栅的柔性结构形变重构方法，用于解决现有技术中存在的形变重构误差较大的技术问题。为实现上述目的，本专利技术采取的技术方案包括如下步骤：(1)获取目标数据Ht和源数据Hs：(1a)建立与待重构的嵌入光纤光栅的柔性结构材料属性和尺寸均相同的虚拟模型；(1b)设待重构的嵌入光纤光栅的柔性结构变形的次数为M，利用光纤光栅传感器测量M次变形的目标应变值利用摄影测量设备测量得到M次变形的目标位移值并将和组合成目标数据同时对虚拟模型进行N组变形测试，得到源数据其中，表示对嵌入光纤光栅的柔性结构的第j次变形下m个传感器处的应变值，j＝1,2，…,M,表示对嵌入光纤光栅的柔性结构的第j次变形下n个目标点的位移值，t代表目标数据，表示虚拟模型中第i次变形下m个传感器处的应变值，i＝1,2，…,N,表示虚拟模型中第i次变形下n个目标点的位移值，s代表源数据，M＜＜N；(2)计算目标数据Ht的仿源数据H′s：(2a)采用模态法对嵌入光纤光栅的柔性结构的虚拟模型进行模态分析，得到应变模态ψ和位移模态并通过ψ和计算应变-位移转换矩阵T，计算公式为：T∈Rn×m，然后通过T构建，fs(x)＝[T·xT]T，其中，(ψTψ)-1表示对ψTψ求逆，ψT表示对ψ求转置，x为自变量，xT表示对x的转置，[T·xT]T表示对xT左乘T的结果转置；(2b)将目标数据Ht中的带入到位移重构预测函数fs(x)的自变量x中，得到输出值并将应变值与输出值组成的矩阵H′s作为Ht的仿源数据，(3)获取训练数据H：(3a)通过仿源数据H′s和位移值构建优化目标函数并求解中的权重矩阵其中，(3b)通过源数据Hs和权重矩阵计算逼近于目标位移值的伪源位移值并将与Hs中的组成伪目标数据其中表示源数据Hs乘以权重矩阵(3c)对伪目标数据与目标数据Ht进行合并，得到训练数据H，H∈R(N+M)×(m+n)；(4)建立位移重构伪预测模型pτ：(4a)设迭代次数为τ，τ的系数为wτ，wτ∈R1×(N+M)，wτ中的第k个元素为最大迭代次数为J，并令τ＝1；(4b)将wτH中的第1到m列作为极限学习机算法的输入，将wτH中的第m+1到n列作为极限学习机算法的输出，计算位移重构伪预测模型pτ(ε)，其中，ε表示pτ(ε)的输入，ε∈R1×m；(4c)计算调整误差μτ：计算训练误差系数eτ，并通过eτ计算调整误差μτ：eτ＝E/Dτ其中，E表示第τ次迭代中预测位移的训练误差,表示的1范数，表示的1范数，Dτ表示第τ次迭代中预测位移的最大训练误差,||qa-pτ(εa)||表示qa-pτ(εa)的1范数，||qa||表示qa的1范数，表示eτ中的第k个元素；(4d)判断μτ≥0.5或τ≥J是否成立，若是，将步骤(4b)获取的pτ(ε)作为训练好的位移重构伪预测模型pτ，否则，执行步骤(4e)；(4e)令τ＝τ+1，同时对系数wτ进行更新，并执行步骤(4b)，其中，wτ的更新公式为：其中，ατ-1＝μτ-1/(1-μτ-1)，Bτ表示归一化常数，表示eτ中的第k个元素；(5)获取位移形变重构方程：(5a)将源应变作为训练好的位移重构伪预测模型pτ(ε)的输入，得到预测位移值并将预测位移值与目标位移值组合成伪目标位移数据同时将源位移与输出值组合成伪源位移数据然后计算与之间的误差δ，(5b)将源应变值和目标应变值作为极限学习机算法的输入，将误差δ作为极限学习机算法的输出，求解误差修正函数并通过构建位移重构方程：其中，表示的输入，表示重构位移；(6)建立嵌入光纤光栅的柔性结构形变监测系统：建立包括数据终端、收发装置和形变监测中心的嵌入光纤光栅的柔性结构形变监测系统，其中，所述的数据终端，用于对光纤光栅的波长变化进行解调，以获取应变信息，并接收通过收发装置转发的形变监测中心获取的重构位移；所述收发装置，用于将数据终端获取的应变信息发送至形变检测中心，同时将形变检测中心获取的重构位移发送至数据终端；所述形变检测中心，用于对应变信息进行位移重构；(7)求解重构位移(7a)通过嵌入光纤光栅的柔性结构形变监测系统中的数据终端对光纤光栅的波长变化进行解调，得到应变信息并通过收发装置发送至形变监测中心；(7b)将应变输入到位移重构方程中，得到嵌入光纤光栅的柔性结构的重构位移并通过收发装置将发送至数据终端。本专利技术与现有技术相比，具有如下优点：1.本专利技术采用优化函数缩小了源数据Hs和目标数据Ht之间的差距，得到了逼近于目标位移值的伪源位移值相当于把少量的目标数据Ht的性质迁移给了大量的源数据Hs，再用系数wτ进一步增强了目标数据Ht的影响力，使得用虚拟模型提取的源数据Hs更加接近目标数据Ht，最后得到了位移重构方程来重构出位移，而现有技术依然通过虚拟模型来提取模态信息，利用应变-位移转换矩阵T来重构位移，并没有对提取的数据做进一步处理，所以本专利技术相较于现有技术而言，摆脱了基本文档来自技高网...

【技术保护点】
1.一种嵌入光纤光栅的柔性结构形变重构方法，其特征在于，包括如下步骤：/n(1)获取目标数据H

【技术特征摘要】
1.一种嵌入光纤光栅的柔性结构形变重构方法，其特征在于，包括如下步骤：
(1)获取目标数据Ht和源数据Hs：
(1a)建立与待重构的嵌入光纤光栅的柔性结构材料属性和尺寸均相同的虚拟模型；
(1b)设待重构的嵌入光纤光栅的柔性结构变形的次数为M，利用光纤光栅传感器测量M次变形的目标应变值利用摄影测量设备测量得到M次变形的目标位移值并将和组合成目标数据同时对虚拟模型进行N组变形测试，得到源数据其中，表示对嵌入光纤光栅的柔性结构的第j次变形下m个传感器处的应变值，j＝1,2，…,M,表示对嵌入光纤光栅的柔性结构的第j次变形下n个目标点的位移值，t代表目标数据，表示虚拟模型中第i次变形下m个传感器处的应变值，i＝1,2，…,N,表示虚拟模型中第i次变形下n个目标点的位移值，s代表源数据，M＜＜N；
(2)计算目标数据Ht的仿源数据Hs′：
(2a)采用模态法对嵌入光纤光栅的柔性结构的虚拟模型进行模态分析，得到应变模态ψ和位移模态并通过ψ和计算应变-位移转换矩阵T，T∈Rn×m，然后通过T构建位移重构预测函数fs(x)，fs(x)＝[T·xT]T，其中，x为自变量，xT表示对x的转置，[T·xT]T表示对xT左乘T的结果转置；
(2b)将目标数据Ht中的带入到位移重构预测函数fs(x)的自变量x中，得到输出值并将应变值与输出值组成的矩阵H′s作为Ht的仿源数据，
(3)获取训练数据H：
(3a)通过仿源数据H′s和位移值构建优化目标函数并求解中的权重矩阵其中，
(3b)通过源数据Hs和权重矩阵计算逼近于目标位移值的伪源位移值并将与Hs中的组成伪目标数据其中表示源数据Hs乘以权重矩阵
(3c)对伪目标数据与目标数据Ht进行合并，得到训练数据H，H∈R(N+M)×(m+n)；
(4)建立位移重构伪预测模型pτ：
(4a)设迭代次数为τ，τ的系数为wτ，wτ∈R1×(N+M)，wτ中的第k个元素为1≤k≤N+M，最大迭代次数为J，并令τ＝1；
(4b)将wτH中的第1到m列作为极限学习机算法的输入，将wτH中的第m+1到n列作为极限学习机算法的输出，计算位移重构伪预测模型pτ(ε)，其中，ε表示pτ(ε)的输入，ε∈R1×m；
(4c)计算调整误差μτ：
计算训练误差系数eτ，并通过eτ计算调整误差μτ：
eτ＝E/Dτ



其中，E表示第τ次迭代中预测位移的训练误
差,E∈R(N+M)×1,表示的1范数，表示的1...

【专利技术属性】
技术研发人员：周金柱，南荣昌，唐宝富，程春红，徐文华，蔡智恒，
申请(专利权)人：西安电子科技大学，中国电子科技集团公司第十四研究所，
类型：发明
国别省市：陕西;61