一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法技术

本发明专利技术公开了一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法，包括以下步骤：将采集的航天器撞击损伤时间的热图像序列用三维矩阵表示；从三维矩阵中选取上升率最小的瞬态热响应对应的像素点；基于最小上升率瞬态热响应确定分块大小尺寸；行分块并确定块内搜索步长；分块分步长选取瞬态热响应；对选取的瞬态热响应进行分类；基于动态建模的Chameleon聚类算法实现动态预测并进行多目标优化选取每类瞬态热响应的代表，构成矩阵；基于斯皮尔曼相关系数进行实际缺陷类别数判别，并根据实际缺陷类别数矩阵变化得到二维图像；利用区域卷积神经网络对二维图像进行特征提取，从而得到航天器撞击损伤试件的缺陷特征。

【技术实现步骤摘要】
一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法
本专利技术属于空间碎片撞击损伤检测评估
，更具体地说，本专利技术涉及一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法。
技术介绍
随着人类空间活动的不断开展，日益增多的空间碎片给人类的航天活动和在轨航天器的安全造成了极大的威胁，空间碎片问题已成为人类空间开发和实践中逐渐发展和严重的一个现实问题。特别是地球轨道上存在的数量巨大的厘米级以下微小空间碎片，由于无法进行有效地监测预警和主动规避，已经成为威胁在轨运行航天器与航天员的潜在杀手，由微小空间碎片撞击导致的航天事故屡见不鲜。当各类航天器遭受空间碎片撞击时，如何实现对撞击损伤信息的采集获取和分析评估是非常重要的。考虑到空间碎片撞击事件是在一个动态环境中随机发生的，长期在轨航天器在服役期间通常会遭受不定期多次撞击，其撞击损伤数量、损伤程度、损伤位置和损伤类型等都具有不可预知性。因此，对微小空间碎片撞击损伤进行快速而精准的在轨检测、识别和分析，可以方便在太空的航天员和地面工作人员及时做出正确的操作和采取必要的措施，为航天器空间碎片撞击事件的在轨评估与决策提供重要技术支持，从而保障航天员和航天器的安全以及航天任务的顺利完成。红外热成像装置及其相关技术广泛应用于航空航天领域，并在航天器损伤检测与评估方面发挥了重要作用。基于红外热成像原理的损伤检测评估技术是以红外辐射特性为基础，利用不同结构或材料的热辐射物理特性不同，对材料表面及内部的不均匀性或异常进行检测，其具有快速、非接触、无污染、单次检测面积大、结果可视化、适用材料种类广等优点，非常适合于对空间碎片撞击造成的复杂损伤进行原位在役检测。基于红外热成像装置采集被测对象在外部热激励环境下的表面温度场变化数据(既红外热图像序列)，可以获得被测对象不同损伤区域在空间和时间维度上的瞬态热响应信息，进而利用相应的特征提取处理算法可实现碎空间碎片撞击造成的复杂损伤缺陷的可视化检测和评估。同时，考虑到长期在轨航天器会多次遭受微小空间碎片撞击，因此通过对定期采集的红外热图像序列数据进行分析处理，可以实现对微小空间碎片撞击损伤进行在轨监测。可见，无论是对于微小空间碎片撞击损伤的检测评估，还是对于撞击损伤变化过程的在轨监测而言，如何从大量的红外热图像序列数据中自动、快速、精确地提取和分离出损伤特征信息都是至关重要的。实践表明，在处理红外热图像序列数据过程中，利用合适的多目标优化方法可以提高数据分析处理的效率和精度，从而实现对微小空间碎片撞击航天器事件导致损伤缺陷的动态监测。在2018年11月30日申请的名称为“一种基于动态多目标优化的红外热图像缺陷特征提取方法”(公布号为201811451744.X)和“基于均匀进化的多目标优化红外热图像缺陷特征提取方法”(公布号为201811451866.9)的中国专利技术专利申请中，当多目标优化问题的环境发生了变化时，采用了基于预测的多方向预测策略对每一次环境改变后的理想PS位置进行了预测，在预测过程中，算法在m-1和m次外部环境时分别存储能够充分描述m-1和m次时刻的PS，和的形状和多样性的W个代表瞬态热响应构成m-1和m次外部环境的多向预测集和在m+1次多目标环境，利用m-1和m次的多向预测集和预估出新环境的点进化轨迹，并在预测的PS附近生成新的初始种群解以加速新环境下的多目标优化算法收敛，从而提高动态多目标优化算法的运行效率。但在中寻找构成m-1次外部环境的多向预测集和在中寻找构成m次外部环境的多向预测集的W个多向预测集元素时，它利用中的瞬态热响应与多向预测集中的初始元素的距离，中各瞬态热响应与多向预测集中的初始元素的距离作为选择新增的多向预测集元素的度量尺度，但单一地以与初始元素的距离作为分类依据只能找寻到以初始元素为“球心”的“类球形”簇类，由单一的静态“类球形”模型不一定找到的能充分描述和的形状和多样性信息代表瞬态热响应，从而影响预测的精准度；且实际的航空航天环境多目标问题环境中存在更复杂的，非凸形状的簇类，对于这类型的簇类使用单一的距离模型不能达到很好的聚类效果甚至聚类失败，造成预测的的准确性降低，致使多目标算法消耗时间增加。本专利技术在该基础上，采取基于动态建模的Chameleon聚类算法，算法首先利用K最近邻法构造K-最近邻图，再通过一个图的划分算法将K-最近邻图划分成大量相对较小的子图，每个子图代表一个初始子簇，然后基于子图间的互连性和邻近性采取自底而上的凝聚层级聚类模式反复合并子簇，动态的考察自身和其他簇，动态地适应和合并簇类，从而实现聚类操作。采用基于子簇间互连性和邻近性来进行动态建模，避免单纯依据距离大小进行划分造成的聚类不准确情况，可以高质量地发现任意形状的簇类，从而更准确地发现的动态环境下和的真实形状，然后精确找到能够有充足能力描述m-1和m次时刻的PS，和的形状和多样性的一系列瞬态热响应，提高基于多向预测集预测的效果，提高预测准确度，进而减少新环境下找到新的的时间，提升算法效率。同时，在多目标优化问题的分解方面，它采取了切比雪夫分解方法，使得各个瞬态热响应类别的前沿近似解集中的解受权重向量的指导沿着一定方向朝实际前沿解集PF进化。但切比雪夫分解方法在面对高于二维的多目标优化问题时难以得到均匀的近似前沿面解集以权重向量λ＝(λ1,λ2,λ3)T为例，由于切比雪夫聚合函数形式本身的原因，指导属于权重向量λ＝(λ1,λ2，λ3)T的解的进化方向为方向向量为λ'＝(1/λ1,1/λ2,1/λ3)T的一条直线。由于解的进化方向不是沿着权重向量本身所在的直线进化，因此就算权重向量是均匀的，得到的解也是不均匀的，造成获得各个瞬态热响应类别的前沿近似解集中解的疏密程度不一，对于航天航空领域多目标环境下的实际前沿解集PF上本身解集稀疏的区域可能收敛不到最优解，也就无法准确找到表征缺陷信息的瞬态热响应，造成缺陷检测失败和漏检的情况出现，而对于本身解过于密集的区域，其实际解集的多样性有限，故只需要用少量的近似前沿解就能够描述此区域的解集多样性情况，若仍然采用相同数量的均匀的权重向量去指导解的进化，容易重复找到表征同一类缺陷信息的瞬态热响应，不仅会造成资源的浪费，还因为解集密集和解集稀疏的区域实际上完成收敛所需的迭代次数不一致，造成算法整体时间增加，使得对动态多目标环境的响应变慢。本专利技术采取基于惩罚项的边界交叉法进行多目标优化问题的分解，从聚合函数本身入手，将聚合函数的形式改进为解与权重向量λ＝(λ1,λ2,λ3)T的垂直距离和沿着权重向量的平行方向与参考点的距离两者的加权和，从分解形式上将解的进化方向限制在权重向量本身身上，使得多目标优化算法的解沿着权重向量的方向进化，使得在面对航空航天领域中存在的大量的高于二维的多目标优化问题时也能够得到分布均匀的前沿近似解集保证了在进化过程中位于各类瞬态热响应实际前沿PF上本身最优解集稀疏区域的解也能够进化到最优解所在的位置，提高检测准确度，减少得到进化到实际前沿最优解集密集区域所需的权重向量，避免资源浪费，提升算法速度。并引入惩罚因子，平衡种群解之间的收敛性与多样性，减少算法整体运行时间，从而应对航天器的本文档来自技高网...

【技术保护点】
1.一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，包括以下步骤：/n步骤一、将红外热像仪获取的航天器撞击损伤试件的热图像序列用三维矩阵S表示，其中的元素S(i,j,t)表示热图像序列的t帧热图像的第i行、第j列的像素值；/n步骤二、从三维矩阵S的所有瞬态热响应中，选取上升率最小的瞬态热响应对应的像素点S(i

【技术特征摘要】
1.一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，包括以下步骤：
步骤一、将红外热像仪获取的航天器撞击损伤试件的热图像序列用三维矩阵S表示，其中的元素S(i,j,t)表示热图像序列的t帧热图像的第i行、第j列的像素值；
步骤二、从三维矩阵S的所有瞬态热响应中，选取上升率最小的瞬态热响应对应的像素点S(izz,jzz,t)，其中，izz、jzz分别表示上升率最小的瞬态热响应对应的像素点所在行的行数、所在列的列数；
步骤三、基于最小上升率瞬态热响应确定分块大小尺寸；
步骤四、根据分块大小尺寸进行分块并确定块内搜索步长；
步骤五、分块分步长选取瞬态热响应；
步骤六、采用无监督聚类算法对选取的瞬态热响应进行分类；
步骤七、基于动态建模的Chameleon聚类算法实现动态预测并利用基于惩罚项的边界交叉法进行多目标优化选取每类瞬态热响应的代表，构成矩阵Y；
步骤八、基于斯皮尔曼相关系数进行实际缺陷类别数判别，并根据实际缺陷类别数矩阵变化得到二维图像；
步骤九、利用区域卷积神经网络R-CNN对二维图像进行特征提取，得到航天器撞击损伤试件的缺陷特征。


2.如权利要求1所述的用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，所述步骤三基于最小上升率瞬态热响应确定分块大小尺寸的具体步骤包括：
设置分块行阈值K_THVr，分块列阈值K_THVc，依次计算上升率最小的瞬态热响应对应的像素点所在列的其他温度点S(iN,jzz,t)与上升率最小的瞬态热响应对应的像素点S(izz,jzz,t)的相关度其中iN表示距离上升率最小的瞬态热响应对应的像素点最近的第N个点；一直寻找到第一个小于分块行阈值K_THVr的像素点，统计像素点个数N；
依次计算上升率最小的瞬态热响应对应的像素点所在行的其他温度点S(izz,jM,t)与上升率最小的瞬态热响应对应的像素点S(izz,jzz,t)的相关度其中jM表示上升率最小的瞬态热响应对应的像素点最近的第M个点；一直寻找到第一个小于分块列阈值K_THVc的像素点，统计像素点个数M。


3.如权利要求1所述的用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，所述步骤四根据分块大小尺寸进行分块并确定块内搜索步长的具体步骤包括：
根据基于分块行、列阈值得到的像素点个数M、N，将三维矩阵依次分解为个数为K个，大小为N×M的子三维矩阵块kS(in,jm,t)，其中k表示第k个子三维矩阵块，in、jm、t分别表示第k个子三维矩阵块的第in行、第jm列、第t帧的像素值，n＝1,2,…,N，m＝1,2,…,M，t＝1,2,…T，T为三维矩阵S帧的总数量；
在第k个子三维数据块kS(in,jm,t)中，以子三维数据块中心点为圆心，向四周搜索，找到子三维数据块内中心点，记为kS(kiN/2,kjM/2,kt)，其中，kiN/2,kjM/2,kt分别表示第k个子三维数据块中块内极大值像素点所在行数、列数以及帧数；
设置第k个子三维数据块的块内行阈值R_THVk，依次计算子三维数据块内中心点所在帧、所在行的温度点kS(kin',kjM/2,kt)与子三维数据块内中心点kS(kiN/2,kjM/2,kt)的相关度其中kin'表示在第k个子三维数据块中，子三维数据块内中心点最近的第n'个像素点；计算并统计的温度点个数，记为kRSS，作为第k个子三维数据块的块内行步长；
设置第k个子三维数据块的块内列阈值C_THVk，依次计算子三维数据块内中心点所在帧、所在列的温度点kS(kiN/2,kjm',kt)与子三维数据块内中心点kS(kiN/2,kjM/2,kt)的相关度其中kjm'表示在第k个子三维数据块中，距子三维数据块内中心点kS(kiN/2,kjM/2,kt)最近的第m'个像素点；计算并统计的温度点个数，记为kCSS，作为第k个子三维数据块的块内列步长。


4.如权利要求1所述的用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，所述步骤五分块分步长选取瞬态热响应的具体步骤包括：
步骤S51、依据步骤三统计的M、N个像素值对三维矩阵S进行分块，得到K个大小为N×M×T的子三维数据块，其中kS(in,jm,t)表示第k个子三维数据块内的第in行、第jm列像素的瞬态热响应，其中t＝1,2,…,T，T为原三维矩阵S帧的总数量；
步骤S52、对于每个子三维数据块内的像素点kS(in,jm,t)，设置阈值DD，初始化集合编号g＝1，初始化像素点位置in＝1,jm＝1，并将块内极大值kS(kizz,kjzz,ktzz)对应的瞬态热响应kS(kizz,kjzz,t)，t＝1,2,...,T，存储在集合X(g)中；然后计算子三维数据块内的像素点kS(in,jm,t)中的位于in行，jm列的瞬态热响应与集合X(g)间的相关度Rei,j，并判断：
如果Rei,j<DD，则g＝g+1，并将瞬态热响应kS(in,jm,t)作为一个新特征存储在集合X(g)中；否则，令in＝in+kRSS，继续计算下一个瞬态热响应kS(in,jm,t)，t＝1,2,...,T与集合X(g)的相关度；如果in＞N，则令in＝in-N，jm＝jm+kCSS，即变化到第jm+kCSS列进行计算，如果jm＞M,则第k个子三维矩阵的瞬态热响应选取完毕，k＝k+1；其中，N、M分别为第k个子三维矩阵数据块kS(:,:,:)的行数、列数。


5.如权利要求4所述的用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，所述步骤六采用无监督聚类算法对选取的瞬态热响应进行分类的具体步骤包括：
将步骤五选取的所有K个数据块的所有集合X(g)即瞬态热响应采用模糊C均值聚类FCM算法分为L类，得到每个瞬态热响应所属的类别；具体而言，包括以下步骤：
步骤S61、设置聚类数目L，初始化迭代次数c＝0，设定终止迭代条件阈值ε；
步骤S62、利用公式计算隶属度矩阵U，计算公式为：



其中，i'＝1,2,…,L，c∈L，n'dk'＝||xk'-i'V||，n'＝i',j'，n'dk'表示第k'个像素点与第i'聚类中心i'V的欧氏距离，xk'表示第k'个像素点的坐标；τ为常数；i'uk'表示第k'个像素点隶属于第i'类的程度；
步骤S63、更新聚类公式i'V



其中，表示第k'个像素点的热响应值；
步骤S64、如果迭代次数到达最大值L或者前后两次聚类中心之差绝对值小于ε，则算法结束，并输出隶属度矩阵U和聚类中心V，再进入步骤S65；否则，令c＝c+1，返回步骤S62；
步骤S65、利用隶属度最大化准则对所有像素点去模糊化，得到每个像素点所属类别，即Mk'＝argi'max(i'uk')。


6.如权利要求1所述的用于微小空间碎片撞击事件动态监测的损伤特征识别方法，其特征在于，所述步骤七的具体步骤包括：
步骤S71、在第m+1次外部环境下，对第i'(i'＝1,...,L)个类瞬态热响应选代表时，定义多目标函数：



其中，为第m+1次外部环境下第i'类瞬态热响应选出的一个瞬态热响应的类内欧氏距离，表示为：




为第i'类瞬态热响应选出的一个瞬态热响应的L-1个类间欧氏距离，由计算出的L-1个类间欧氏距离重新编号组成，表示为：




为瞬态热响应在第t时刻的像素值即温度值，为第i'类瞬态热响应聚类中心在第t时刻的像素值即温度值，为第j'类瞬态热响应聚类中心在第t时刻的像素值即温度值；
步骤S72、第m-1次和第m次环境下得到的多目标函数近似前沿解集分别为和对应的种群瞬态热响应解集分别为和其数目分别为和在环境变化后，根据第m-1次和第m次环境的历史信息，预测计算第m+1次环境下的近似前沿解集的初始化种群瞬态热响应，步骤如下：
步骤S721、是从解集中随机选择NE个瞬态热响应构成的瞬态热响应集，n'＝1,2,..,NE，计算集中代表瞬态热响应的个数W，用于获得第m+1次环境下多方向预测集：



其中，W1和W2分别是W下限值和上限值，且有W1＝L+1，W2＝3L，是第m次环境变化程度的评估值，由下式获得：









其中，是从解集中随机选择NE个瞬态热响应构成的瞬态热响应集，n'＝1,2,..,NE；
步骤S722、选择W+1个代表瞬态热响应，具体步骤为：
步骤A、代表瞬态热响应构成的PS多方向预测集由两部分组成：
一是解集瞬态热响应的中心，记为



其中，为解集中第n个瞬态热响应；
二是基于完全自适应谱聚类算法得到的能够充分描述当前PS形状和多样性的W个代表瞬态热响应集
此时，集合中...

【专利技术属性】
技术研发人员：黄雪刚，殷春，谭旭彤，石安华，李毅，柳森，
申请(专利权)人：中国空气动力研究与发展中心超高速空气动力研究所，
类型：发明
国别省市：四川;51