一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法技术

针对目前的损伤方法对于结构微弱损伤识别精度不高的问题，本发明专利技术公开一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法。该方法首先利用光流算法对结构进行高空间分辨率运动进行测量，采用盲源分离算法获得结构的振型，然后计算振型分型维数；其次，通过分型维数和高斯多尺度差分空间理论，将振型分型维数映射到高斯多尺度差分空间，提出了基于高斯多尺度差分空间的分型维数的损伤特征计算方法，得到高斯多尺度差分空间分型维数的损伤概率分布；最后，采用D

【技术实现步骤摘要】
一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法


[0001]本专利技术属于结构健康检测
，特别涉及一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法。

技术介绍

[0002]根据结构的振动进行健康监测技术应用极为广泛。目前，大多数现有的SHM 系统都配备了加速度传感器或位移传感器，取得了一些重要的研究成果。然而，对系统投入大量的传感器使得成本极大提升，同时操作系统较为繁琐，耗费时间。另一个主要瓶颈在于传感器在测量过程中，只提供稀疏点、离散点方式的测量，产生的空间传感分辨率较低，对结构的局部损伤难以识别。
[0003]常用的非接触式位移测量装置有激光位移传感器和GPS，激光位移传感器空间分辨率低，激光功率低，因此对远距离测量效果较差。GPS具有较低的位移测量精度，且价格昂贵，对成本要求较高。而基于计算机视觉的方法作一种非接触式的测量方法，具有较高的空间分辨率，能够提供更多的运动信息。与其他类型的传感器相比，视觉传感器具有成本低、操作方便、提取信息灵活等优点。基于此，本专利技术提出一种结合计算机视觉和分型维数的结构微弱损伤识别方法，将计算机视觉的高空间分辨率振动测量方法与先进的信号处理技术相结合，能够对结构损伤进行有效识别。

技术实现思路

[0004]为解决目前的结构损伤方法对于微弱损伤识别精度的问题，本专利技术提供一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法。
[0005]为了实现上述目的，本专利技术采用的技术方案是：
[0006]步骤1)，对结构的振动进行视频采集，采用光流算法获取结构的高分辨率振动信息；
[0007]步骤2)，根据结构振动响应和模态之间的依存关系，采用盲源分离算法，获取结构的高空间分辨率振型，然后计算振型分型维数；
[0008]步骤3)，通过分型维数和高斯多尺度差分空间理论，将振型分型维数映射到高斯多尺度差分空间，得到高斯多尺度差分空间的振型分型维数，对结构的损伤特征进行计算，得到高斯多尺度差分空间分型维数的损伤概率分布；
[0009]步骤4)，采用D
‑
S证据理论对高斯多尺度差分空间分型维数的损伤概率分布进行融合，根据融合后的结果对结构的损伤位置进行识别。
[0010]进一步的，所属步骤1具体为，利用高速相机对结构振动进行视频记录，选择Gabor小波核函数对灰度图像进行处理，获取图像的相位信息：
[0011][0012]式中：I(x,y,t)表示输入图像的亮度信息，表示卷积，g
i
表示Gabor核函数，φ
θ
为
图像的相位。
[0013]其函数表示为：
[0014][0015]式中：λ表示Gabor小波的波长，θ表示Gabor小波的方向，ψ表示相位的偏差，γ表示空间宽高比，σ表示Gabor小波的标准差，表示Gabor 小波的实部，表示Gabor小波的虚部，x
′
、y
′
表示小波变换后的图像像素坐标，记为：
[0016]x
′
＝xcosθ+ysinθ
[0017]y
′
＝
‑
xsinθ+ycosθ
[0018]基于计算机视觉理论，图像的相位可以描述图像轮廓与运动信息的关系，在t时刻，坐标在(x,y)处的图像相位值是恒定的，表示为如下形式：
[0019]φ
θ
(x,y,t)＝c
[0020]式中：c表示常数。
[0021]对上式等号两边求关于时间t的导数，可得到如下形式：
[0022][0023]式中：表示在x和y方向上的速度；
[0024]选取水平和竖直两个方向对图像相位信息进行提取，当θ＝0和θ＝π/2时，满足此时，像素在x和y方向上的光流：
[0025][0026][0027]通过上式，可求解图像中任意像素的光流，通过对光流值进行积分，可以得到结构高空间分辨率振动响应。
[0028]进一步的，所属步骤2具体为，基于结构振动响应和模态的依存关系，时域振动δ(l,t)可以表示为：
[0029][0030]式中：Φ(l)为振型函数矩阵；q(t)为模态坐标系下的响应向量；表示第 i阶振型函数；q
i
(t)表示第i阶模态坐标；n为模态阶数。
[0031]由于结构像素点较多，计算量大，为提高计算效率，本专利技术对运动矩阵δ进行奇异值分解：
[0032][0033]式中：U＝[u1,u2,...,u
n
]、V＝[v1,v2,...,v
n
]分别为左右奇异值矩阵，∑＝[σ1，σ2，...,σ
n
] 为奇异值。
[0034]设前r阶奇异值大于0：
[0035]σ1≥σ2≥...≥σ
r
＞0≥...≥σ
n
[0036]运动矩阵δ的主成分η为：
[0037][0038]式中：U
r
＝[u1,
…
,u
r
]为矩阵U的前r列向量。
[0039]根据前文所述结构振动响应和模态的依存关系，运动主成分η可分解为：
[0040][0041]结合前文公式，可得：
[0042][0043]式中：为第i阶模态振型。
[0044]采用盲源分离算法，对主运动矩阵η进行解耦：
[0045]q(t)＝W(l)η(l,t)
[0046]结合公式可得：
[0047]γ＝W
‑1[0048]因此，结合式与γ＝W
‑1可获得结构的振型。
[0049]进一步的，所属步骤3具体为，基于盒子分型维数理论，分型维数表示为：
[0050][0051]式中：K为常数，表示盒子分型维数中盒子的大小，在本专利技术中K＝2，d表示相邻两点间的距离，H表示盒子内振型边界点间的距离；
[0052]设振型曲线上相邻点x
i
‑1、x
i
与x
i+1
点处的振型上的大小分别为点处的振型上的大小分别为则相邻点的距离描述为：
[0053][0054]可得到振型的分型维数：
[0055][0056]根据相邻点距离间的关系，有：
[0057][0058]本专利技术中，根据离散信号多尺度空间理论，二阶差分满足一维扩散方程，即方程右边的二阶差分可以改写为如下一般形式：
[0059][0060]根据有限差分近似计算方法，上式中可以通过相邻两个尺度参数σ1和σ2之间的一阶差分进行计算：
[0061][0062]由于K，σ2‑
σ1为常数，因此，高斯差分空间下的振型分型维数可得：
[0063][0064]进一步可得：
[0065][0066]式中：分别为尺度空间σ1与σ2上的振型。
[0067]利用得高斯多尺度差分空间的振型分型维数对结构的损伤特征进行计算，得到高斯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法，其特征在于，包括以下步骤：步骤1)，对结构的振动进行视频采集，采用光流算法获取结构的高分辨率振动信息；步骤2)，根据结构振动响应和模态之间的依存关系，采用盲源分离算法，获取结构的高空间分辨率振型，然后计算振型分型维数；步骤3)，通过分型维数和高斯多尺度差分空间理论，将振型分型维数映射到高斯多尺度差分空间，得到高斯多尺度差分空间下的振型分型维数，对结构的损伤特征进行计算，得到高斯多尺度差分空间下的振型分型维数的损伤概率分布；步骤4)，采用D
‑
S证据理论对高斯多尺度差分空间下的振型分型维数的损伤概率分布进行融合，根据融合后的结果对结构的损伤位置进行识别。2.根据权利要求1所述一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法，其特征在于，所述步骤1)中，利用高速相机对结构振动进行视频记录，选择Gabor小波核函数对灰度图像进行处理，获取图像的相位信息：式中：I(x,y,t)表示输入图像的亮度信息，表示卷积，g
i
表示Gabor核函数，φ
θ
为图像的相位，θ表示Gabor小波的方向，在t时刻，坐标在(x,y)处的图像相位值是恒定的，表示为如下形式：φ
θ
(x,y,t)＝c式中：c表示常数；选取水平和竖直两个方向对图像相位信息进行提取，当θ＝0和θ＝π/2时，像素在x方向上的光流在y方向上的光流通过对光流值进行积分，得到结构高空间分辨率振动响应。3.根据权利要求1所述一种基于高空间分辨率振型分型维数的结构微弱损伤识别方法，其特征在于，所述步骤2)中，基于结构振动响应和模态的依存关系，位置l处时域振动δ(l，t)表示为：式中：Φ(l)为振型函数矩阵；q(t)为模态坐标系下的响应向量；表示第i阶振型函数；q
i
(t)表示第i阶模态坐标；n为模态阶数；...

【专利技术属性】
技术研发人员：辛存，徐自力，王存俊，李康迪，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：