基于贝叶斯融合算法的复合夹层结构材料损伤识别方法技术

本申请提供了一种基于贝叶斯融合算法的复合夹层结构材料损伤识别方法，所述方法包括：基于连续小波变换提取散射波信号的飞行时间；其中，所述飞行时间是指激励传感器产生的散射波信号传输到接收传感器的时间；基于所述飞行时间和椭圆定位法得到似然函数；基于损伤和基准信号，确定相关性系数；在RAPID方法中，将相关性系数作为损伤灵敏度特征，确定损伤位置的先验概率密度函数；基于所述似然函数和先验概率密度函数进行贝叶斯估计，损伤位置的后验概率密度函数；基于所述损伤位置的后验概率密度函数，使用马尔科夫蒙特卡洛方法(MCMC)拟合处损伤定位图像。合处损伤定位图像。合处损伤定位图像。

【技术实现步骤摘要】
基于贝叶斯融合算法的复合夹层结构材料损伤识别方法


[0001]本申请属于复合材料
，尤其涉及一种基于贝叶斯融合算法的复合夹层结构材料损伤识别方法。

技术介绍

[0002]在碳纤维增强夹层结构复合材料中，分层缺陷是一种重要的的损伤模式，在没有提前预警情况下，容易给复合料结构件带来灾难性的失效。因此，为了避免失效，把夹层复合材料设计成尺寸过大或者采用周期性无损检测的方法。在过去几十年中，无损检测是一种可靠和有效的分层检测技术，但是仍然面临许多问题和挑战。Lamb波作为超声波中一种非常重要的导波，在无损检测中Lamb波被证明是有前景的导波技术。Lamb波技术有显著的优点，例如，长距离传播具有强渗透性和低衰减性，可以用在各种缺陷的识别和定位中，例如分层、脱粘和裂纹。
[0003]结构健康监测技术包括椭圆法定位法和缺陷概率诊断重构算法(Reconstruction Algorithm For Probabilistic Inspection Of Defects，RAPID)方法。但是，它们的分辨率和灵敏度都是高度依赖传感器阵列的密度和布局。
[0004]然而，本申请提供了一种可以解决椭圆定位法和RAPID方法高度依赖传感器阵列的密度和布局等问题。

技术实现思路

[0005]针对上述技术问题，本申请提供的一种基于贝叶斯融合算法的复合夹层结构材料损伤识别方法，所述方法包括：
[0006]基于连续小波变换提取散射波信号的飞行时间；其中，所述飞行时间是指激励传感器产生的散射波信号传输到接收传感器的时间；
[0007]基于所述飞行时间和椭圆定位法得到似然函数；
[0008]基于损伤和基准信号，确定相关性系数；
[0009]在RAPID方法中，将相关性系数作为损伤灵敏度特征，确定损伤位置的先验概率密度函数；
[0010]基于所述似然函数和先验概率密度函数进行贝叶斯估计，损伤位置的后验概率密度函数；
[0011]基于所述损伤位置的后验概率密度函数，使用马尔科夫蒙特卡洛方法(MCMC)
[0012]拟合处损伤定位图像。
[0013]优选地，所述基于连续小波变换提取散射波信号的飞行时间，包括：
[0014]接收传感器采集的未损伤基准信号，接收传感器采集的损伤信号，用损伤信号与基准信号求差得到散射波信号。
[0015]基于连续小波变换将得到的散射波时域信号变换成频域信号，取时间轴最开始出现波峰的时间为飞行时间。
[0016]优选地，所述基于所述飞行时间和椭圆定位法得到似然函数，包括：
[0017]损伤的存在导致Lamb波从P1到P3的存在波的散射，P3传感器接收到的波包包括从P1直接到达P3的波包d
as
，从P1到达损伤区域的波包d
ad
和经过损伤区域后的散射到达P3的波包d
ds
；散射波的总的传播距离d
ad
+d
ds
通过飞行时间和Lamb波传播的群速度计算可得；P1到P3传感器形成的椭圆方程描述为方程(1)：
[0018][0019]式中，(x
d
，y
d
)是损伤位置的坐标，激励传感器的坐标为(x
a
，y
a
)，接收传感器的坐标为(x
s
，y
s
)。v
g
为Lamb波的群速度，群速度由式样样板的厚度和施加激励Lamb波的频率有关。飞行时间ToF定义为接收从激励传感器产生信号到接收传感器接收损伤散射波的时间差。由于根据椭圆方程d
ad
+d
ds
中的d
ad
和d
ds
存在无数个解，为了确定损伤位置的唯一坐标解，需要粘贴多个传感器通道，传感器通道越多，损伤位置的坐标解越精确。每一个传感器通道可以得到一个椭圆方程，因此，根据示意图，具备三个椭圆方程即可确定唯一的损伤位置坐标；
[0020]假设每一个网格的交汇点为损伤位置，则每一个交汇点(x，y)的损伤因子P(x，y)可以结合理论飞行时间ToF定义为幂指数函数为方程(2)：
[0021][0022]其中，N
p
为传感路径总的数量，T
i
为从散射波中提取的飞行时间ToF，τ0为延时因子设置为0.01，P(x，y)为预测可能得损伤位置坐标的最大值；
[0023]第i条传感通道的测量飞行时间(ToF)的概率方程如(6)式所示：
[0024][0025]其中，是使用理论飞行时间(ToF)和实际损伤位置(xd，yd)结合方程(1)计算可得；
[0026]未知参数作为向量θ＝(x
d
，y
d
，σ)，测量的飞行时间(ToF)作为，σ)，测量的飞行时间(ToF)作为N
p
是总的传感通道数量；测量数据的似然函数为方程(7)所示：
[0027][0028]优选地，所述基于损伤和基准信号，确定相关性系数之前，还包括：
[0029]使用RAPID方法确定损伤位置，RAPID方法是基于损伤在传感器通道之间的直接路径上，Lamb波的传播会发生明显的改变；
[0030]将损伤位置发生波减少放大作为直达波的增加；损伤位置可以影响到每一传感器通道的改变，将所有传感器通道的改变的线性求和作为损伤位置。
[0031]优选地，所述基于损伤和基准信号，确定相关性系数，包括：
[0032]确定分别代表基准信号和经过损伤位置后的信号X
k
和Y
k
，μ是对应的数据，K是对应数据点的数量。
[0033]优选地，所述在RAPID方法中，将相关性系数作为损伤灵敏度特征，确定损伤位置的先验概率密度函数，包括：
[0034]相关性系数的解释：相关性系数越小，对应损伤位置的概率越大。如果两列信号完
全相同，则相关性系数接近1。
[0035]基于RAPID方法，将相关性系数作为损伤灵敏度特征。相关性系数可以表达为函数(3)：
[0036][0037]优选地，所述基于所述似然函数和先验概率密度函数进行贝叶斯估计，损伤位置的后验概率密度函数，包括：
[0038]使用贝叶斯估计，参数向量的先验概率密度函数可以表达为：
[0039]P(θ|D)
∝
P(D|θ)P(θ)
ꢀꢀꢀ
(8)
[0040]其中，P(θ)为先验概率密度函数的参数，先验概率密度函数的(x
d
，y
d
)和σ可以通过RAPID方法计算可得。θ的先验概率密度函数可以表达为方程(9)：
[0041][0042]将方程(8)和方程(9)合并可得θ的后验分布为方程(10)：
[0043][0044]优选地，所述基于所述损伤位置的后验概率密度函数，使用马尔科夫蒙特卡洛方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯融合算法的复合夹层结构材料损伤识别方法，其特征在于，所述方法包括：基于连续小波变换提取散射波信号的飞行时间；其中，所述飞行时间是指激励传感器产生的散射波信号传输到接收传感器的时间；基于所述飞行时间和椭圆定位法得到似然函数；基于损伤和基准信号，确定相关性系数；在RAPID方法中，将相关性系数作为损伤灵敏度特征，确定损伤位置的先验概率密度函数；基于所述似然函数和先验概率密度函数进行贝叶斯估计，损伤位置的后验概率密度函数；基于所述损伤位置的后验概率密度函数，使用马尔科夫蒙特卡洛方法(MCMC)拟合处损伤定位图像。2.根据权利要求1所述的方法，其特征在于，所述基于连续小波变换提取散射波信号的飞行时间，包括：接收传感器采集的未损伤基准信号，接收传感器采集的损伤信号，用损伤信号与基准信号求差得到散射波信号。基于连续小波变换将得到的散射波时域信号变换成频域信号，取时间轴最开始出现波峰的时间为飞行时间。3.根据权利要求1所述的方法，其特征在于，所述基于所述飞行时间和椭圆定位法得到似然函数，包括：损伤的存在导致Lamb波从P1到P3的存在波的散射，P3传感器接收到的波包包括从P1直接到达P3的波包d
as
，从P1到达损伤区域的波包d
ad
和经过损伤区域后的散射到达P3的波包d
ds
；散射波的总的传播距离d
ad
+d
ds
通过飞行时间和Lamb波传播的群速度计算可得；P1到P3传感器形成的椭圆方程描述为方程(1)：式中，(x
d
,y
d
)是损伤位置的坐标，激励传感器的坐标为(x
a
,y
a
)，接收传感器的坐标为(x
s
,y
s
)；v
g
为Lamb波的群速度，群速度由式样样板的厚度和施加激励Lamb波的频率有关；飞行时间ToF定义为接收从激励传感器产生信号到接收传感器接收损伤散射波的时间差；由于根据椭圆方程d
ad
+d
ds
中的d
ad
和d
ds
存在无数个解，为了确定损伤位置的唯一坐标解，需要粘贴多个传感器通道，传感器通道越多，损伤位置的坐标解越精确；每一个传感器通道可以得到一个椭圆方程，具备三个椭圆方程即可确定唯一的损伤位置坐标；假设每一个网格的交汇点为损伤位置，则每一个交汇点(x，y)的损伤因子P(x，y)可以结合理论飞行时间ToF定义为幂指数函数为方程(2)：其中，N
p
为传感路径...

【专利技术属性】
技术研发人员：谢辉，曹元宝，项文科，洪少波，
申请(专利权)人：中国直升机设计研究所，
类型：发明
国别省市：