System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及结构健康监测,特别涉及一种信号激励和识别方法、系统及计算机设备。
技术介绍
1、结构健康监测和诊断在航空航天、医疗和结构工程领域地位极其重要。它通常需要高精度的传感技术以检测可能的微小变化,比如在医疗领域,人工骨结构的松动,可能对诊疗效果产生严重影响。
2、用于监测结构是否松动的振动装置一般采用主动激励的方式,从激励的工具角度,可分为锤击激励和激振器激励。锤击激励中只一次将时间持续极小的激励信号作用于待测体,从信号角度而言,该激励信号近似为一能量较大的冲激函数。由于其激励能量只在一次激励时供给,因此需要能量大,对待测件可能造成损害,对于小尺度、小质量结构件,这种激励方式不适合作为长期的结构健康监测中使用的激励方式。
3、激振器激励方式中一般将激振器中用于输出力的顶杆通过连接器与待测件连接,这种设置中,激振器顶杆通过连接器与待测物相连接。激励信号可为确定信号和随机信号,确定信号一般有正弦扫频激励和正弦快扫激励两种方式;随机激励信号包括纯随机激励、加窗随机激励、伪随机激励、周期随机激励和猝发随机激励等形式。以上几种信号的对于待测结构的激励建立在激振器设置的物理结构基础上。然而对于小质量、小尺度结构件,连接件本身的质量或尺寸与待测结构件属同一量级或更大。因此,按这种典型激振动器的设置将直接影响待测结构动力学特性,因此对小质量、小尺度结构件的监测也不适用。
技术实现思路
1、基于此,本申请的目的是提出一种信号激励和识别方法、系统及计算机设备,建立在使用悬挂
2、本申请一方面提出一种信号激励和识别方法,所述方法包括:
3、搭建待测结构有限元仿真分析模型,并对所述待测结构有限元仿真分析模型进行模态分析,以获取待测结构件的固有频率及模态,由此确定悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式,并根据悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式获取悬挂式光纤布拉格光栅传感器共振频率;
4、根据所述固有频率确定激励周期,由激振器根据所述激励周期产生周期脉冲激励信号,并通过顶杆根据所述周期脉冲激励信号撞击已知状态信号的待测结构件产生原始振动信号,所述已知状态信号至少包括扭矩信号、裂缝信号、摩擦系数信号、材料纯度信号;
5、采用经验模态分解算法对所述原始振动信号进行分解提取,以得到多阶i mf分量,并计算每阶i mf分量的时域信号分别与所述原始振动信号之间的互相关系数;
6、根据所述互相关系数从所有的i mf分量中筛选出至少一个目标i mf分量,并根据所述悬挂式光纤布拉格光栅传感器共振频率对存在悬挂式光纤布拉格光栅共振噪声的目标i mf分量进行去噪,去噪后再将所有的目标i mf分量进行叠加,得到组合信号;
7、从所述组合信号中分别提取有量纲参数和无量纲参数,并对所述有量纲参数和所述无量纲参数进行筛选,得到特征参数数据,以根据所述特征参数数据构建数据集;
8、将所述数据集输入到初始信号识别模型中进行训练,得到最终信号识别模型,并将待测试信号输入所述最终信号识别模型中,得到健康状态分类结果。
9、在一些实施例中,所述搭建待测结构有限元仿真分析模型,并对所述待测结构有限元仿真分析模型进行模态分析,以获取待测结构件的固有频率及模态,由此确定悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式,并根据悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式获取悬挂式光纤布拉格光栅传感器共振频率的步骤包括:
10、根据所述模态分析结果确定黏贴点位置和光纤布拉格光栅位置,并根据所述黏贴点位置和所述光纤布拉格光栅位置获取黏贴长度、黏贴点到光纤布拉格光栅的距离、光纤布拉格光栅到尾纤的距离;
11、根据所述黏贴点到光纤布拉格光栅的距离、所述光纤布拉格光栅到尾纤的距离以及光纤布拉格光栅的刻栅长度计算得到总长度l,并根据所述总长度l计算得到悬挂式光纤布拉格光栅传感器共振频率。
12、在一些实施例中,所述根据所述固有频率确定激励周期,由激振器根据所述激励周期产生周期脉冲激励信号,并通过顶杆根据所述周期脉冲激励信号撞击已知状态信号的待测结构件产生原始振动信号的步骤包括:
13、根据以下公式得到所述激励信号:
14、
15、其中,δt(t)表示激励信号,表示单位冲激函数,m=0、1、2、4…n...,n为整数,a表示冲激强度,t表示时间,t表示激励周期。
16、所述根据所述总长度l计算得到悬挂式光纤布拉格光栅传感器共振频率的步骤包括:
17、根据以下公式计算所述悬挂式光纤布拉格光栅传感器共振频率:
18、
19、其中,f0表示悬挂式光纤布拉格光栅传感器共振频率,c表示光纤中声波的速度。
20、在一些实施例中,所述采用经验模态分解算法对所述原始振动信号进行分解提取,以得到多阶imf分量的步骤包括:
21、将原始振动信号分解成局部平滑和局部振荡两部分,以对所述局部平滑部分进行极值点的提取,得到一组局部极值点序列,并对所述局部极值点序列进行插值拟合,得到一组局部平滑函数;
22、根据所述局部平滑函数和所述原始振动信号得到一组局部振荡函数,并基于所述局部振荡函数获取第一阶imf分量;
23、根据所述第一阶imf分量和所述原始振动信号获取第一次分解后的剩余分量,并将第一次分解后的剩余分量进行重复分解、极值点提取,以得到第二阶imf分量;
24、重复上述步骤,直至得到第k阶imf分量。
25、在一些实施例中,所述根据所述局部平滑函数和所述原始振动信号得到一组局部振荡函数,并基于所述局部振荡函数获取第一阶imf分量的步骤包括:
26、根据以下公式获取局部振荡函数:
27、h1(t)=s(t)-m1(t)
28、其中,h1(t)表示局部振荡函数,s(t)表示原始振动信号,m1(t)表示局部平滑函数;
29、判断局部振荡函数是否满足预设imf分量条件,所述预设imf分量条件包括局部振荡函数中包含的极值点的数量等于零交叉点的数量以及包络函数的平均值为零;
30、若局部振荡函数不满足预设imf分量条件,则将获取到的局部振荡函数作为新的振动信号,并根据新的振动信号再次计算得到新的局部振荡函数,直至新的局部振荡函数满足预设imf分量条件,则输出满足预设imf分量条件的局部振荡函数作为第一阶imf分量;
31、若局部振荡函数满足预设imf分量条件,则将局部振荡函数h1(t)作为第一阶imf分量;
32、根据以下公式获取第k阶imf分量:
33、
34、其中,n表示分解次数,ck(t)表示第k阶imf分量,rn(t)表示第n次分解后的剩余分量。
35、在一些实施例本文档来自技高网...
【技术保护点】
1.一种信号激励和识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的信号激励和识别方法,其特征在于,所述搭建待测结构有限元仿真分析模型,并对所述待测结构有限元仿真分析模型进行模态分析,以获取待测结构件的固有频率及模态,由此确定悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式,并根据悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式获取悬挂式光纤布拉格光栅传感器共振频率的步骤包括:
3.根据权利要求2所述的信号激励和识别方法,其特征在于,所述根据所述固有频率确定激励周期,由激振器根据所述激励周期产生周期脉冲激励信号,并通过顶杆根据所述周期脉冲激励信号撞击已知状态信号的待测结构件产生原始振动信号的步骤包括:
4.根据权利要求1所述的信号激励和识别方法,其特征在于,所述采用经验模态分解算法对所述原始振动信号进行分解提取,以得到多阶IMF分量的步骤包括:
5.根据权利要求4所述的信号激励和识别方法,其特征在于,所述根据所述局部平滑函数和所述原始振动信号得到一组局部振荡函数,并基于所述局部振荡函数获取第一阶IMF分量的步骤包
6.根据权利要求5所述的信号激励和识别方法,其特征在于,所述计算每阶IMF分量的时域信号分别与所述原始振动信号之间的互相关系数的步骤包括:
7.根据权利要求1所述的信号激励和识别方法,其特征在于,所述根据所述互相关系数从所有的IMF分量中筛选出至少一个目标IMF分量,并根据所述悬挂式光纤布拉格光栅传感器共振频率对存在悬挂式光纤布拉格光栅共振噪声的目标IMF分量进行去噪,去噪后再将所有的目标IMF分量进行叠加,得到组合信号的步骤包括:
8.根据权利要求1所述的信号激励和识别方法,其特征在于,所述从所述组合信号中分别提取有量纲参数和无量纲参数,并对所述有量纲参数和所述无量纲参数进行筛选,得到特征参数数据的步骤包括:
9.一种信号激励和识别系统,其特征在于,所述系统包括:
10.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,其中:
...【技术特征摘要】
1.一种信号激励和识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的信号激励和识别方法,其特征在于,所述搭建待测结构有限元仿真分析模型,并对所述待测结构有限元仿真分析模型进行模态分析,以获取待测结构件的固有频率及模态,由此确定悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式,并根据悬挂式光纤布拉格光栅传感器与待测结构件之间的装配方式获取悬挂式光纤布拉格光栅传感器共振频率的步骤包括:
3.根据权利要求2所述的信号激励和识别方法,其特征在于,所述根据所述固有频率确定激励周期,由激振器根据所述激励周期产生周期脉冲激励信号,并通过顶杆根据所述周期脉冲激励信号撞击已知状态信号的待测结构件产生原始振动信号的步骤包括:
4.根据权利要求1所述的信号激励和识别方法,其特征在于,所述采用经验模态分解算法对所述原始振动信号进行分解提取,以得到多阶imf分量的步骤包括:
5.根据权利要求4所述的信号激励和识别方法,其特征在于,所述根据所述局部平滑函数和...
【专利技术属性】
技术研发人员:饶春芳,闫晓丽,陈鹏,余文鑫,饶朝,吴世杰,袁佳馨,王跃翔,阮一鸣,熊文婷,马移铭,谌子滢,陈思思,娄超,胡耀阳,
申请(专利权)人:江西师范大学,
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。