【技术实现步骤摘要】
基于高斯混合模型及嵌套传输距离的结构损伤诊断方法
[0001]本专利技术涉及结构健康监测
,且特别是有关于基于高斯混合模型及嵌套传输距离的结构损伤诊断方法。
技术介绍
[0002]结构健康监测技术在提高结构的使用安全性和可靠性方面有着广泛的应用前景;同时,结构健康监测技术将定期维护替换为按需维护,节省了结构的维护成本。随着对结构健康监测需求的增加,基于不同传感器、系统和诊断方法的组合,发展了多种健康监测技术,如振动监测、应变监测、导波监测、声发射监测等。在这些技术中,导波监测技术因其传播距离远、监测范围大、对小损伤敏感等特点而被广泛使用。
[0003]在结构健康监测中,能够诊断结构损伤程度的结构损伤量化诊断技术具有非常重要的应用价值。但实际工程应用中,载荷、温度、湿度和边界条件等时变服役条件直接影响结构损伤量化诊断结果的可靠性。导波监测技术主要通过监测信号相比于健康结构上基准信号的变化程度来进行损伤诊断,在实际监测时,通过信号幅度差、能量差、相关矩等信号特征来度量导波信号的变化程度,然后根据这些信号特征的大小和变化情况来评估结构损伤的严重程度。然而,除了损伤外,时变服役条件也会引起信号及其特征的变化,且损伤和时变服役条件引起的信号变化相互混淆,导致结构损伤评估难以可靠进行。因此,抑制时变服役条件的不确定性影响对实现可靠的导波监测至关重要。
[0004]为实现时变服役条件不确定性影响下的可靠损伤诊断,现有技术中一般通过高斯回归、支持向量机、神经网络等方法建立信号特征与损伤程度之间的关系模型,以实现 ...
【技术保护点】
【技术特征摘要】
1.基于高斯混合模型及嵌套传输距离的结构损伤诊断方法,其特征在于,包括,步骤S11,获取训练结构件的信号特征样本;步骤S12,从所有所述训练结构件健康状态下获取的所述信号特征样本中随机挑出n个所述信号特征样本构成基准样本集,n为大于0的自然数;步骤S13,基于所述基准样本集,通过密度峰值聚类概率建模算法建立所述基准样本集对应的基准高斯混合模型;步骤S14,构建不同损伤程度下的训练样本集;步骤S15,基于所述训练样本集,通过所述密度峰值聚类概率建模算法建立对应的训练高斯混合模型;步骤S16,根据嵌套传输距离的计算方法,计算每个所述训练结构件的所述训练高斯混合模型与所述基准高斯混合模型之间的训练嵌套传输距离NTD;步骤S17,获取所述训练嵌套传输距离NTD对应的损伤程度L;步骤S18,通过多项式拟合建立损伤量化模型。2.如权利要求1所述基于高斯混合模型及嵌套传输距离的结构损伤诊断方法,其特征在于,还包括,步骤S21,在监测状态下,在目标结构件的时变服役状态下采集n个信号特征样本;步骤S22,基于所述目标结构件的n个所述信号特征样本,构成监测样本集;步骤S23,基于所述监测样本集,通过所述密度峰值聚类概率建模算法建立对应的监测高斯混合模型;步骤S24,根据所述嵌套传输距离的计算方法,计算所述监测高斯混合模型与所述基准高斯混合模型之间的监测嵌套传输距离NTD
’
;步骤S25,将所述监测嵌套传输距离NTD
’
代入所述损伤量化模型中,计算得到所述目标结构件的损伤程度。3.如权利要求1所述基于高斯混合模型及嵌套传输距离的结构损伤诊断方法,其特征在于,所述步骤S11包括,步骤S111,在模拟的时变服役环境下,采集所述训练结构件在不同损伤程度下的导波信号;步骤S112,确定每个所述训练结构件上每个导波信号对应的损伤程度;步骤S113,提取损伤因子,获取所述信号特征样本。4.如权利要求1所述基于高斯混合模型及嵌套传输距离的结构损伤诊断方法,其特征在于,所述损伤量化模型的表达式如下:L(NTD,w)=w0+w1NTD+w2NTD2+...+w
p
NTD
p
,其中,L为损伤程度,NTD为训练嵌套传输距离,{w
i
|i=1,2,
…
,p}是多项式的系数,p为多项式的阶数。5.如权利要求4所述基于高斯混合模型及嵌套传输距离的结构损伤诊断方法,其特征在于,通过最小二乘法,基于所述训练嵌套传输距离NTD和所述损伤程度L得到所述多项式的系数{w
i
|i=1,2,
…
,p}。6.如权利要求1
‑
2任意一项所述基于高斯混合模型及嵌套传输距离的结构损伤诊断方法,其特征在于,所述密度峰值聚类概率建模算法,包括,
步骤S31,基于样本集O={o1,
…
,o
i
,
…
,o
n
},通过高斯核密度估计其中每个样本o
i
的概率密度ρ
i
,计算公式如下:其中,n为所述样本集O中所述样本o
i
的数目,所述样本o
i
的维度为D,d
ij
为所述样本集O中样本o
i
与o
j
之间的欧式距离,d
c
为截断距离,所述截断距离d
c
的表达式如下:其中,d
Z
(o
i
)为所述样本o
i
与距离o
i
最近的第Z个样本之间的距离;步骤S32,计算每个所述样本o
i
的最小距离δ
i
,计算公式如下:步骤S33,计算每个所述样本o
i
的所述概率密度ρ
i
与所述最小距离δ
i
的乘积λ
i
,计...
【专利技术属性】
技术研发人员:邱雷,房芳,袁慎芳,欧阳励,孟义兴,徐秋慧,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:
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。