基于功率谱密度和lamb波层析成像的复合材料损伤识别方法技术

本发明专利技术提出了基于功率谱密度和lamb波层析成像的复合材料损伤识别方法。首先，仿真分析了兰姆波在复合材料中的传播特性。将圆形传感器阵列均匀地布置在复合材料上，每个传感器依次顺时针作为执行器产生兰姆波，其他传感器负责采集信号，将有效信号添加强噪声模拟强噪声环境下采集的信号。最后，利用功率谱密度表征损伤信息确定损伤因子，采用概率成像算法实现损伤位置成像。本发明专利技术能够克服传统方法对信号预处理的过程，直接将原始信号进行损伤成像。同时也避免了复杂反射信号特征的提取过程，在强噪声环境下复合材料损伤定位和识别中具有很大的潜力。具有很大的潜力。具有很大的潜力。

【技术实现步骤摘要】
O.I.Traore研究了奇异谱分析对离散声发射信号进行表征和去噪的能力。结果表明，即使在低信噪比的情况下，SSA仍能很好地识别出被破坏的信号和检测结构的变化。Boudraa A O提出了基于经验模态分解的消噪方法，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。ChristopherBeale提出了一个自适应小波包去噪算法，适用于许多SHM技术，包括声学、振动和声发射。该算法融合了噪声估计、阈值选择和阈值应用的非传统方法，以增强实时结构健康监测测量的去噪性能。XinDong针对非线性、非平稳机械振动信号的滤波问题，提出了一种将谱图小波变换与去趋势波动分析相结合的非迭代去噪方法。
[0007]除此之外还有分形去噪方法以及神经网络去噪方法等。GaoFan提出了一种基于特殊残差卷积神经网络(ResNet)的振动信号去噪方法。所开发的ResNet从振动信号中提取高层特征，并自动学习结构的模态信息，从而很好地保留了振动信号中最重要的振动特征，有助于结构模态识别中的物理模态和伪模态的识别。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，进而无法实现损伤评估。理想的损伤识别算法应该仅对损伤敏感，而不受噪声影响。CFRP板的损伤评估由实验室研究转向实际应用必须解决强噪声背景下损伤特征提取问题。因此在强噪声环境下，如何快速、准确地实现损伤特征的提取是CFRP损伤定位检测函待解决的问题。

技术实现思路

[0008]本说明书实施方式的目的是提供强噪声环境下基于功率谱密度和lamb波层析成像技术的复合材料损伤识别方法，其通过功率谱密度表征计算强噪声环境下损伤前后信号的差异进行损伤识别。该方法无需对传感器采集的信号进行预处理，避免了复杂的信号处理过程，直接将信号用于损伤成像定位。
[0009]本说明书实施方式强噪声环境下基于功率谱密度和lamb波层析成像技术的复合材料损伤识别方法，通过以下技术方案实现：
[0010]包括：
[0011]在碳纤维复合材料板均匀布置圆形传感器阵列；
[0012]圆形传感器阵列中每个传感器依次作为激励器产生Lamb波，其他传感器分别采集有、无损伤下的响应信号；
[0013]采用功率谱密度表征计算强噪声环境下有、无损伤的信号差异确定损伤因子，并通过概率成像算法实现损伤的定位成像。
[0014]进一步的技术方案，所述复合材料板无损时结构的响应信号作为参考信号，再采集含损伤状态的信号；
[0015]损伤定位过程分为信号比较和图像重建两部分。
[0016]比较信号时，计算参考信号和损伤信号的功率谱密度，根据损伤前后的功率谱密度确定损伤因子(DF
P
)。计算定义如下：
[0017][0018]P
u
与P
d
分别为无损伤或无损伤兰姆波响应信号得到的最大功率谱密度。
[0019]根据每个传感器路径对应的DF
P
值，重构相邻区域的损伤概率分布。为了更加准确
定位损伤，将概率分布图对应的所有感知路径进行叠加，得到N条感知路径检测区域内任意点(x， y)的损伤概率分布：
[0020][0021]S
ij
(x,y)被称为空间分布函数。最后利用求得的损伤因子，采用概率成像算法实现损伤位置的成像。
[0022]功率谱密度可以用来反映信号能量所具有随频率的变化而变化的特性。下面是功率谱密度的计算过程。
[0023]如果假设信号是x(t)，那么它的傅里叶变换就是X(e
jω
)。根据Pa
‑
Sewall定理，对信号能量的计算可以用式(3)表示。
[0024][0025]功率谱密度表示如下：
[0026][0027]本说明书实施方式提供基于功率谱密度和Lamb波层析成像技术的复合材料损伤成像系统，通过以下技术方案实现：
[0028]包括：
[0029]任意函数发生器、线性宽带功率放大器、多通道示波器及计算机；
[0030]任意函数发生器经线性宽带功率放大器加载在传感器上发出Lamb波信号，其他传感器采用多通道示波器采集响应信号，顺时针依次激励传感器，其他传感器接收；
[0031]多通道示波器先采集无损伤下的响应信号，再采集有损伤下的响应信号，并将采集的信号传输至计算机处理；
[0032]所述计算机被配置为：
[0033]计算损伤前后的信号的功率谱密度，得到损伤前后信号的功率谱密度图，得到最大功率谱密度值，再计算损伤因子，并进行损伤成像。
[0034]与现有技术相比，本公开的有益效果是：
[0035]本公开能够克服传统损伤定位方法基于Lamb波波速无法可靠实现复合材料损伤位置判定、模式识别方法需要大量训练样本的问题。
[0036]本公开可以解决强噪环境下的损伤定位为题，无需多余的信号预处理过程，直接将强噪声环境下获得的信号进行计算功率谱密度得到损伤因子进而成像，实现单损伤和多损伤的定位成像。
附图说明
[0037]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。
[0038]图1为传感器及单个损伤位置示意图。
[0039]图2为复合材料损伤定位与成像识别流程图。
[0040]图3(a)、3(b)为损伤前后信号比较。
[0041]图4(a)、4(b)为仿真无损伤强噪声环境下S1
‑
S7结构感测通道损伤功率谱密度。
[0042]图5(a)、5(b)为仿真单损伤强噪声环境下S1
‑
S7结构感测通道损伤功率谱密度。
[0043]图6(a)、6(b)为仿真无损时S5
‑
S9传感通道在强噪声环境下结构无损伤功率谱密度。
[0044]图7(a)、7(b)为仿真单损伤时强噪声环境下S5
‑
S9感测通道损伤结构的功率谱密度。
[0045]图8为强噪声环境下的单损伤成像。
[0046]图9为多损伤仿真传感器及损伤位置示意图。
[0047]图10(a)、10(b)为多损伤仿真前后信号对比。
[0048]图11(a)、11(b)为多损伤仿真强噪声环境下结构无损伤的S1
‑
S7感测通道功率谱密度。
[0049]图12(a)、12(b)为多损伤仿真强噪声环境下S1
‑
S7结构感测通道损伤的功率谱密度。
[0050]图13(a)、13(b)为多损伤仿真强噪声环境下S5
‑
S9结构无损伤感测通道功率谱密度。
[0051]图14(a)、14(b)为多损伤仿真强噪声环境下S5
‑
S9传感通道损伤的功率谱密度。
[0052]图15为仿真强噪声环境下的多损伤成像。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于功率谱密度和lamb波层析成像的复合材料损伤识别方法，其特征是，包括：在选定的碳纤维复合材料板均匀布置圆形传感器阵列；圆形传感器阵列中每个传感器依次作为激励器产生Lamb波，其他传感器分别采集有、无损伤下的响应信号；采用功率谱密度表征计算有、无损伤的信号特征，并计算损伤因子，并通过概率成像算法实现损伤的定位成像。2.如权利要求1所述的基于功率谱密度和lamb波层析成像的复合材料损伤识别方法，其特征是，所述复合材料板无损时结构的响应信号作为参考信号，再采集含损伤状态的信号；计算参考信号和损伤信号的功率谱密度，根据损伤前后的功率谱密度值确定损伤因子，其计算定义如下：P
u
与P
d
分别为无损伤或无损伤兰姆波响应信号得到的最大功率谱密度。3.如权利要求2所述的基于功率谱密度和lamb波层析成像的复合材料损伤识别方法，其特征是，根据得到的损伤前后信号的功率谱密度，在功率谱密...

【专利技术属性】
技术研发人员：苏晨辉，石绍伟，张宇昊，曹洪成，屈云晴，庞丹丹，张汉元，李成栋，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：