本发明专利技术公开了一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，该方法具体包括以下步骤：通过传感器系统采集梁结构的加速度响应数据；采用软阈值法对加速度数据进行去噪；对去噪信号实施平稳离散小波分解，得到无降采样的多尺度子信号；应用相空间重构理论对多尺度子信号进行相空间重构，得到多尺度重构吸引子MRA，并对其进行归一化处理，得到MRAN；计算多尺度奇异吸引子预测误差PE，据其判断梁结构的健康状态，并识别其损伤程度。本发明专利技术建立的多尺度奇异吸引子预测误差法，突破了激励形式的限制，同时具有损伤敏感性强、识别准确度高的特点，仅采用单点加速度数据即可准确识别梁结构的损伤程度。
Damage identification method of beam structure based on prediction error of multi-scale singular attractor
【技术实现步骤摘要】
基于多尺度奇异吸引子预测误差的梁结构损伤识别方法
本专利技术涉及一种梁结构损伤识别方法，具体涉及一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，属于结构损伤诊断领域。
技术介绍
梁结构在长期服役中，受自身材料退化和复杂环境影响，不可避免发生损伤，早期局部损伤的演化累积会威胁整体结构的可靠运行和安全，甚至导致整体破坏。基于此，近二十年来结构无损检测技术取得迅速进步，在及时发现结构早期损伤方面发挥了不可替代的作用。奇异吸引子预测误差法是随着混沌理论的快速发展而新兴的一种结构无损检测方法，目前正逐步被应用于机械、土木领域的结构损伤诊断。然而，利用小波变换改进传统的奇异吸引子，得到新的多尺度奇异吸引子预测误差，并据其进行梁结构损伤识别的研究还未见报道。传统的基于奇异吸引子预测误差的梁结构损伤检测方法对激励形式有严格要求，一般需根据结构特征选择具有特定李雅普诺夫指数的混沌激励；而常规激励，如锤击激励、简谐激励等，无法满足以上激励选择的要求，会降低奇异吸引子预测误差法在损伤识别中的准确性和稳定性。
技术实现思路
本专利技术所要解决的计算问题是：针对现有技术不足，改进了常规的基于奇异吸引子预测误差的结构损伤检测方法，对振动信号进行平稳小波变换和相空间重构处理，得到新的多尺度奇异吸引子，进而通过多尺度奇异吸引子预测误差判断梁结构健康状态并识别损伤程度。相比于传统方法，本专利技术建立的多尺度奇异吸引子预测误差法，突破了激励形式的限制，同时具有损伤敏感性强、识别准确度高的特点，仅采用单点加速度数据即可准确识别梁结构的损伤程度，提供了一种简单、快速、准确的梁结构损伤识别方法。本专利技术所采用的技术方案为：一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，具体步骤包括：步骤一、布置安装传感器量测系统，采集梁结构的加速度响应数据，记为x＝{x(tn)},n＝1,2,…,N，N为数据长度；步骤二、采用小波软阈值法对加速度响应数据进行去噪处理，得到去噪后的加速度响应数据，记为y＝{y(tn)}；步骤三、对y实施平稳离散小波分解，得到无降采样的多尺度子信号，分别为近似系数aj＝{aj(tn)}和细节系数dj＝{dj(tn)},其中j是小波分解尺度；步骤四、应用相空间重构理论对多尺度子信号进行相空间重构，得到多尺度重构奇异吸引子MRA，并对其进行归一化处理，得到MRAN；步骤五、计算多尺度奇异吸引子MRAN预测误差，记为PE，据其判断梁结构的健康状态，并识别梁结构的损伤程度。作为本专利技术的进一步优选方案，步骤二小波软阈值法具体计算方式如下：(1)对x进行离散小波变换。(2)计算信号噪声的方差σ：其中，d1是第一层离散小波系数。(3)计算通用软阈值h：(4)应用软阈值重新计算每个尺度j的小波系数，记为(5)根据小波系数通过小波重构得到降噪信号y。作为本专利技术的进一步优选方案，所述离散小波变换采用小波基函数为rbio4.4，小波分解层数为3。作为本专利技术的进一步优选方案，所述步骤三对y实施平稳离散小波分解，选取小波基函数为db4，小波分解层数为9。作为本专利技术的进一步优选方案，所述步骤四具体计算方式如下：(1)选取平稳小波变换的近似系数d9作为重构信号；(2)通过互信息量法和Cao法分别确定最佳延迟时间τ和最佳嵌入维数m，重构得到奇异吸引子MRA，吸引子相点坐标表示为：其中，M＝N-(m-1)τ+1，表示重构相空间中的相点数量；(3)采用线性归一化方法，将MRA的所有维度都规范到区间[-1,1]，得到MRAN。作为本专利技术的进一步优选方案，所述最佳延迟时间τ和最佳嵌入维数m分别取τ＝8，m＝4。作为本专利技术的进一步优选方案，所述步骤五多尺度奇异吸引子MRAN预测误差PE的具体计算方式如下：(1)考虑两组多尺度奇异吸引子MRANA和MRANB，选取MRANB中任一相点作为基点，记为(2)在MRANA中选取的p个邻近点，记为(3)经过时间演化步演化为演化为(4)计算的中心点：(5)在MRANB中选取的p个邻近点，记为(6)计算的中心点：(7)计算MRANB基于MRANA的2-范数预测误差，记为PEBA,F：(8)多次重复过程(2)～(7)，取其平均值作为多尺度奇异吸引子预测误差PE。作为本专利技术的进一步优选方案，所述邻近点数量p＝3，时间演化步长Δt＝2。本专利技术具有以下有益效果：本专利技术提供一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，该方法改进了常规的基于奇异吸引子预测误差的结构损伤检测方法，对振动信号进行平稳小波变换和相空间重构处理，得到新的多尺度奇异吸引子，进而通过多尺度奇异吸引子预测误差判断梁结构健康状态并识别损伤程度。相比于传统方法，本专利技术建立的多尺度奇异吸引子预测误差法，突破了激励形式的限制，同时具有损伤敏感性强、识别准确度高的特点，仅采用单点加速度数据即可准确识别梁结构的损伤程度，提供了一种简单、快速、准确的梁结构损伤识别方法。附图说明图1是本专利技术方法流程示意图。图2是原始量测梁结构加速度响应信号x。图3是软阈值去噪后梁结构加速度响应信号y。图4是无降采样的多尺度子信号d9。图5是现有技术中的相空间重构奇异吸引子RAN。图6是本专利技术所公开的多尺度奇异吸引子MRAN。图7基于多尺度奇异吸引子预测误差的梁结构损伤识别结果。具体实施方式下面结合附图对本专利技术作进一步说明：本专利技术在奇异吸引子预测误差法的基础上，发展了一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法。相比于常规奇异吸引子预测误差法，本专利技术方法不仅突破了激励形式的限制，还能加强损伤信息的特征，简单、快速、准确地识别梁结构损伤。请参照图1，本专利技术提出一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，具体步骤包括：1.布置安装传感器量测系统，采集梁结构的加速度响应数据，记为x＝{x(tn)},n＝1,2,…,N，N为数据长度；2.对进行软阈值去噪处理，具体为：(1)选取小波基函数为rbio4.4，小波分解层数为3，对x进行离散小波变换；(2)计算信号噪声的方差σ：其中，d1是第一层离散小波系数；(3)计算通用软阈值h：(4)应用软阈值重新计算每个尺度j的小波系数，记为(5)根据小波系数通过小波重构得到去噪后的加速度响应数据，记为y＝{y(tn)}。3.选取小波基函数为db4，小波分解层数为9，对y实施平稳离散小波分解，得到无降采样的多尺度子信号，分别为近似系数aj＝{aj(tn)}和细节系数dj＝{dj(tn)},其中j＝1,2,…,9是小波分解尺度；4.应用相空间重构理论对多尺本文档来自技高网...
【技术保护点】
1.一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，其特征在于，具体步骤包括：/n步骤一、布置安装传感器量测系统，采集梁结构的加速度响应数据，记为x＝{x(t
【技术特征摘要】
1.一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，其特征在于，具体步骤包括：
步骤一、布置安装传感器量测系统，采集梁结构的加速度响应数据，记为x＝{x(tn)},n＝1,2,…,N，N为数据长度；
步骤二、采用小波软阈值法对加速度响应数据进行去噪处理，得到去噪后的加速度响应数据，记为y＝{y(tn)}；
步骤三、对y实施平稳离散小波分解，得到无降采样的多尺度子信号，分别为近似系数aj＝{aj(tn)}和细节系数dj＝{dj(tn)},其中j是小波分解尺度；
步骤四、应用相空间重构理论对多尺度子信号进行相空间重构，得到多尺度重构奇异吸引子MRA，并对其进行归一化处理，得到MRAN；
步骤五、计算多尺度奇异吸引子MRAN预测误差，记为PE，据其判断梁结构的健康状态，并识别梁结构的损伤程度。
2.根据权利要求1所述的一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，其特征在于，所述步骤二小波软阈值法具体计算方式如下：
(1)对x进行离散小波变换；
(2)计算信号噪声的方差σ：
其中，d1是第一层离散小波系数；
(3)计算通用软阈值h：
(4)应用软阈值重新计算每个尺度j的小波系数，记为
(5)根据小波系数通过小波重构得到降噪信号y。
3.根据权利要求2所述的一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，其特征在于，所述离散小波变换采用小波基函数为rbio4.4，小波分解层数为3。
4.根据权利要求1所述的一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，其特征在于，所述步骤三对y实施平稳离散小波分解，选取小波基函数为db4，小波...
【专利技术属性】
技术研发人员：曹茂森，李大洋，贾海磊，彭家意，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32
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。