【技术实现步骤摘要】
基于最小采样方差粒子滤波的Lamb波损伤定位方法
[0001]本专利技术属于结构健康监测领域,具体涉及一种基于最小采样方差粒子滤波的
Lamb
波损伤定位方法
。
技术介绍
[0002]在结构健康监测领域中,基于压电传感器的主动
Lamb
波在线监测方法被认为是最具应用潜力的技术之一
。
该方法具有许多优点,能够在线监测,对小损伤敏感,同时可实现结构的区域监测
。
因此在对传感器粘贴时可避开应力集中区域,可靠性更高,适用于结构的在线监测与预警,同时对于大型航空结构,主动
Lamb
波在线监测方法既能满足航空结构对小损伤敏感在线监测的需求,其区域监测的特性又满足了航空结构对结构可靠性的需求
。
然而,受边界条件
、
频散特性和测试误差等因素影响,损伤定位在航空结构中存在众多不确定性,对定位结果存在较大影响
。
[0003]粒子滤波技术
(Particle Filter
,
PF)
是一种非线性滤波算法,它是基于序贯重要性采样和
Bayes
理论而建立起来的
。
结合压电传感器所布置的传感阵列,在各种不确定因素下,粒子滤波算法可将航空结构损伤的可能状态通过大量的“损伤粒子”来表征,然后通过接收各通道的损伤散射信号对随机生成的损伤状态粒子群进行训练,最终逼近真实损伤位置与波速
。
该方法不需要太多的训练数据,具
【技术保护点】
【技术特征摘要】
1.
一种基于最小采样方差粒子滤波的
Lamb
波损伤定位方法,其特征在于,包括如下步骤:步骤
1、
在待测结构中布置激励传感器和响应传感器,根据损伤状态演化过程中的不确定性,构建状态噪声模型,以损伤位置坐标和
Lamb
波传播波速作为损伤状态参量,并考虑状态噪声模型,构建损伤状态演化的状态方程;步骤
2、
根据
Lamb
波在线监测与三角测量法的测试误差,构建观测噪声模型,以损伤散射信号飞行时间作为观测参量并考虑观测噪声模型,构建观测方程;将观测方程与状态方程结合得到损伤定位的状态空间模型;步骤
3、
初始化状态空间模型的参数,预设初始的损伤状态参量的值;步骤
4、
将损伤状态参量的值代入状态空间模型中,生成
N
个损伤散射信号飞行时间预测值;步骤
5、
采集响应传感器的响应信号,利用响应信号计算损伤散射信号,对损伤散射信号进行小波变换,计算得到激励
—
响应通道的损伤散射信号的实际飞行时间观测值;将损伤散射信号飞行时间预测值与实际飞行时间观测值作差;将步骤1中所述损伤状态参量抽象为粒子,利用损伤散射信号飞行时间预测值与实际飞行时间观测值的差值计算得到各粒子的归一化权值;将
N
个粒子与归一化权值组成原始粒子群;步骤
6、
复制原始粒子群中归一化权值大于
1/N
的粒子作为复制粒子群,复制粒子群中的粒子数为
L
;步骤
7、
将原始粒子群中的复制粒子群提取出来后,计算残余粒子群的权值,将残余粒子群与计算出的权值进行组合,获得残差粒子群;步骤
8、
将残差粒子群根据权值大小进行排序,将残差粒子群中权值最大的
N
‑
L
个粒子采样出来,得到
MSV
粒子群;步骤
9、
将粒子数量为
L
的复制粒子群与数量为
N
‑
L
的
MSV
粒子群相结合,使粒子数总数维持为
N
个,作为后验估计的更新粒子群,对后验估计的更新粒子群进行加权求和,获得损伤位置坐标和
Lamb
波传播波速的预测值;步骤
10、
将步骤9中损伤位置坐标和
Lamb
波传播波速的预测值作为新的损伤状态参量的值代入状态空间模型中,切换激励
—
响应通道,更新观测方程中的激励传感器与响应传感器坐标,将更新粒子群作为新的原始粒子群,重复步骤4至9进行迭代训练,直到损伤定位已收敛或达到最大训练周期数,停止损伤状态预测过程,输出最优的损伤位置坐标和
Lamb
波传播波速的预测值
。2.
如权利要求1所述的基于最小采样方差粒子滤波的
Lamb
波损伤定位方法,其特征在于,步骤1中,所述状态方程的表达式为:
X
t+1
=
X
t
+
ω
t+1
式中,
X
t
为第
t
次迭代的损伤状态参量,
X
t
=
[x
d
,y
d
,V
g
]
,
x
d
为损伤位置的横坐标,
y
d
为损伤位置的纵坐标,
V
g
为
Lamb
波传播波速,
ω
t+1
表示加性的零均值高斯白噪声,满足高斯分布表示加性的零均值高斯白噪声,满足高斯分布为状态噪声方差
。3.
如权利要求1所述的基于最小采样方差粒子滤波的
Lamb
波损伤定位方法,其特征在于,步骤2中,所述观测方程的表达式为:
T
t+1<...
【专利技术属性】
技术研发人员:陈海燕,杨伟博,包永强,侯焱斌,朱旻昱,饶锐琦,朱昊,谢跃,
申请(专利权)人:南京工程学院,
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。