【技术实现步骤摘要】
本专利技术涉及复合材料结构健康监测，特别涉及一种复合材料结构损伤监测方法、装置、介质及设备。
技术介绍
1、先进复合材料由于具有比强度和高比刚度高、材料力学性能可设计、易于整体成型等优点，成为重大装备结构减重、提高效能及降低运营成本的有效途径。复合材料结构不仅要承受复杂的疲劳载荷和意外冲击载荷的作用，而且还要承受温度、湿度等严苛的外部环境因素的考验。这些因素不论是单独还是同时作用，均可导致复合材料结构的性能衰退甚至破坏。及时发现复合材料结构中的损伤与破坏，对避免造成突发性破坏与结构失效具有非常重要的意义。以永久集成在复合材料结构表面或嵌入结构内的分布式传感器网络为基础的结构健康监测技术是确定复合材料结构完整性的革命性创新技术。基于压电传感器的超声导波监测是复合材料结构损伤监测最常用和有效的方法之一。
2、近二十年来，国内外学者在复合材料结构损伤监测方面开展了大量研究工作，提出了多种基于物理模型的监测方法。随着大数据时代的到来，以机器学习为主导的新技术迅猛发展，同时开始应用于结构健康监测领域。机器学习的优势是不需要具体物理模型，而是直接由海量数据驱动，从大量历史样本数据中挖掘其隐含的内在规律，并利用该规律对新的样本数据作智能识别或预测，具有强大的聚类、回归和分类能力。
3、由于复合材料结构服役环境复杂、损伤模式多样，复合材料结构传感网络也难以经济有效地获得完备的复合材料结构损伤数据，损伤样本的不完备会严重制约机器学习深度诊断模型的泛化学习能力，影响损伤检测率。同时复合材料结构形式多样，服役环境、损伤类型、传
技术实现思路
1、为解决上述现有技术中存在的不足，本专利技术提供一种复合材料结构损伤监测方法，包括：
2、s100、通过多功能传感网络和有限元数值模拟获得第一结构参数；
3、s200、通过teager能量算子和多尺度排列熵对第一结构参数进行损伤特征信息提取，获得第二结构参数；
4、s300、将第二结构参数输入生成对抗网络获得第三结构参数；
5、s400、将第二结构参数和第三结构参数融合生成复合材料结构状态完备参数，构建完备数据集；
6、s500、将完备数据集输入复合材料结构损伤识别模型，以得到复合材料结构的损伤定位和损伤定量结果。
7、在一实施例中，步骤s100中第一结构参数包括使用多功能传感网络采集到的第一导波数据和有限元数值模拟得到的第二导波数据。
8、在一实施例中，步骤s200包括：
9、s210、通过teager能量算子增强第一结构参数的瞬时特征，并将其转化为teager能量序列；
10、s220、teager能量序列通过多尺度排列熵进行多尺度特征提取，得到第二结构参数。
11、在一实施例中，生成对抗网络包括生成器和鉴别器，生成器设置了3个卷积层和2个上采样层，通过对随机生成的符合分布的噪声进行投影和重塑。
12、在一实施例中，鉴别器设置了和生成器对应的3个卷积层和2个最大池化层，通过dense层进行全连接输出鉴别结果。
13、在一实施例中，还包括：
14、s600、通过复合材料结构状态完备参数和复合材料结构损伤识别模型构建基于云端/边缘端协同的复合材料结构损伤的诊断知识迁移机制。
15、在一实施例中，步骤s600的具体步骤为：
16、s610、边缘端通过多功能传感网络实时获取复合材料结构状态监测数据，并调用云端对复合材料结构状态监测数据进行有限元数值模拟、损伤特征信息提取和生成对抗网络处理，得到复合材料结构状态完备参数，生成完备数据集；
17、s620、云端基于复合材料结构损伤识别模型构建自适应迁移学习模型；
18、s630、云端将自适应迁移学习模型下发到边缘端，边缘端对自适应迁移学习模型采用模型权重的选择性重用和域不变特征映射学习构建个性诊断模型；
19、s640、将完备数据集输入个性诊断模型进行诊断，以得到诊断结果；
20、s650、云端获取边缘端中的复合材料结构状态监测数据、复合材料结构状态完备参数及诊断结果构建工况子空间集进行存储，根据复合材料结构损伤识别模型的影响机理对自适应迁移学习模型进行修正。
21、本专利技术还提供一种复合材料结构损伤监测装置，包括：
22、信息采集模块，用于通过多功能传感网络和有限元数值模拟获得第一结构参数；
23、信息提取模块，用于通过teager能量算子和多尺度排列熵对第一结构参数进行损伤特征信息提取，获得第二结构参数；
24、信息处理模块，用于将第二结构参数输入生成对抗网络获得第三结构参数；
25、信息生成模块，用于将第二结构参数和第三结构参数融合生成复合材料结构状态完备参数，构建完备数据集；
26、诊断模块，用于将完备数据集输入复合材料结构损伤识别模型，以得到复合材料结构的损伤定位和损伤定量结果。
27、本专利技术还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机被处理器执行时实现如上述任一实施例所述的复合材料结构损伤监测方法。
28、本专利技术还提供一种电子设备，包括至少一个处理器、及与处理器通信连接的存储器，其中存储器存储可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使处理器执行如上述任一实施例的复合材料结构损伤监测方法。
29、基于上述，与现有技术相比，本专利技术提供的一种复合材料结构损伤监测方法、装置、介质及设备，具备如下的有益效果：
30、1、本专利技术利用多功能传感网络、有限元数值模拟和生成对抗网络三者结合获取复合材料结构状态完备参数，在无需大量实验和有限元仿真的条件下实现了经济且有效地获得复合材料结构状态完备参数。
31、2、本专利技术通过构建完备的复合材料结构状态参数数据集，提高了复合材料损伤检测精度以及实现了损伤诊断知识在工作域间的迁移复用。
32、3、本专利技术通过融合多种现代机器学习算法，建立合材料结构损伤识别模型，提高了复合材料损伤检测在工程应用上的技术成熟度和可靠性。
33、本专利技术的其它特征和有益效果将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他有益效果可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种复合材料结构损伤监测方法，其特征在于，包括：
2.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，步骤S100中所述第一结构参数包括使用所述多功能传感网络采集到的第一导波数据和所述有限元数值模拟得到的第二导波数据。
3.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，步骤S200包括：
4.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，所述生成对抗网络包括生成器和鉴别器，所述生成器设置了3个卷积层和2个上采样层，通过对随机生成的符合分布的噪声进行投影和重塑。
5.根据权利要求4所述的复合材料结构损伤监测方法，其特征在于，所述鉴别器设置了和所述生成器对应的3个卷积层和2个最大池化层，通过dense层进行全连接输出鉴别结果。
6.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，还包括：
7.根据权利要求6所述的复合材料结构损伤监测方法，其特征在于，步骤S600的具体步骤为：
8.一种复合材料结构损伤监测装置，其特征在于，包括：
9.一种计算
10.一种电子设备，其特征在于，包括至少一个处理器、及与所述处理器通信连接的存储器，其中所述存储器存储可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使所述处理器执行如权利要求1-7任一项所述的复合材料结构损伤监测方法。
...【技术特征摘要】
1.一种复合材料结构损伤监测方法，其特征在于，包括：
2.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，步骤s100中所述第一结构参数包括使用所述多功能传感网络采集到的第一导波数据和所述有限元数值模拟得到的第二导波数据。
3.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，步骤s200包括：
4.根据权利要求1所述的复合材料结构损伤监测方法，其特征在于，所述生成对抗网络包括生成器和鉴别器，所述生成器设置了3个卷积层和2个上采样层，通过对随机生成的符合分布的噪声进行投影和重塑。
5.根据权利要求4所述的复合材料结构损伤监测方法，其特征在于，所述鉴别器设置了和所述生成器对应的3个卷积层和2个最大池化层，通过dense层进行...
【专利技术属性】
技术研发人员：卿新林，吴敏锽，廖运来，王镱涵，黄媛，颜佳佳，王奕首，
申请(专利权)人：厦门大学，
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。