專利名稱：一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法。
技術(shù)背景
結(jié)構(gòu)參數(shù)的變化直接體現(xiàn)在物理參數(shù)的改變上，造成其固有頻率、振型等特征參 數(shù)的變化，進(jìn)而使結(jié)構(gòu)的動(dòng)力響應(yīng)發(fā)生變化。直接基于結(jié)構(gòu)振動(dòng)測(cè)試信號(hào)識(shí)別結(jié)構(gòu)參數(shù)變 化情況，可以避免對(duì)結(jié)構(gòu)進(jìn)行繁雜的模態(tài)參數(shù)求解。此類方法采用傅立葉變換、小波變換等 信號(hào)處理方法直接對(duì)結(jié)構(gòu)響應(yīng)信號(hào)進(jìn)行分析和處理，根據(jù)信號(hào)參數(shù)的變化或統(tǒng)計(jì)特性，識(shí) 別結(jié)構(gòu)的參數(shù)變化情況。與傅立葉變換相比，小波分析具有多尺度特性，在時(shí)域和頻域都具 有表征信號(hào)局部特征的能力，可以檢測(cè)到結(jié)構(gòu)參數(shù)變化引起的微弱信號(hào)突變。
人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦的抽象、簡化和模擬，反映人腦的基本特性，可以完成學(xué) 習(xí)、記憶、識(shí)別和推理等功能。從系統(tǒng)觀點(diǎn)看，人工神經(jīng)網(wǎng)絡(luò)是由大量神經(jīng)元通過極其豐富 和完善的聯(lián)結(jié)形成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)。神經(jīng)元之間的連接方式不同，神經(jīng)網(wǎng)絡(luò)的結(jié) 構(gòu)形態(tài)也就不同。人工神經(jīng)網(wǎng)絡(luò)具有下列特征(1)分布儲(chǔ)存和容錯(cuò)性；( 大規(guī)模并行處 理；(3)自學(xué)習(xí)、自組織和自適應(yīng)性；(4)表現(xiàn)出復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)的特征；(5)可以處 理一些環(huán)境信息復(fù)雜、知識(shí)背景不清楚和推理規(guī)則不明確的問題。
考慮到某些結(jié)構(gòu)損傷的能量參數(shù)變化指標(biāo)，面臨樣本少、不確定性大、確定性解析 預(yù)測(cè)模型難以建立等難題，這正符合灰色系統(tǒng)理論研究問題的特點(diǎn)，即序列性、少數(shù)據(jù)性、 全信息性、時(shí)間傳遞性、灰因果性。
當(dāng)飛行器結(jié)構(gòu)出現(xiàn)參數(shù)變化(損傷)后，結(jié)構(gòu)的響應(yīng)信號(hào)會(huì)相應(yīng)發(fā)生變化，損傷對(duì) 各頻率成份的抑制和增強(qiáng)作用發(fā)生變化。通常，它會(huì)明顯地對(duì)某些頻率成份起抑制作用，而 對(duì)另外一些頻率成份起增強(qiáng)作用。因此，結(jié)構(gòu)損傷時(shí)的響應(yīng)輸出與結(jié)構(gòu)正常時(shí)的響應(yīng)輸出 相比，相同頻帶內(nèi)信號(hào)的能量會(huì)有較大的差別，某些頻帶內(nèi)信號(hào)能量減小，而其它一些頻帶 的信號(hào)能量增大。于是，在各頻率成份信號(hào)的能量中，包含著豐富的結(jié)構(gòu)參數(shù)變化信息，某 種或某幾種頻率成份能量的改變即代表了一種損傷情況。發(fā)明內(nèi)容
由于飛行器系統(tǒng)復(fù)雜，并且結(jié)構(gòu)參數(shù)變化種類也多種多樣，處理的數(shù)據(jù)量較大。為 了對(duì)飛行器結(jié)構(gòu)的參數(shù)變化損傷程度進(jìn)行精確地量化，得到表征結(jié)構(gòu)損傷的特征向量，本 發(fā)明提出了一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法。該方法是基于飛行 器結(jié)構(gòu)的振動(dòng)測(cè)試信號(hào)，應(yīng)用小波包方法，用于識(shí)別結(jié)構(gòu)損傷發(fā)生的空間位置和損傷程度， 同時(shí)提出一種小波包能量變化率指標(biāo)，結(jié)合神經(jīng)網(wǎng)絡(luò)，以小波包能量指標(biāo)為網(wǎng)絡(luò)輸入對(duì)結(jié) 構(gòu)的損傷程度進(jìn)行精確地量化分析，還采用灰色理論模型方法進(jìn)行小波包能量指標(biāo)預(yù)測(cè)， 進(jìn)行結(jié)構(gòu)損傷狀態(tài)量化預(yù)測(cè)分析。本發(fā)明具有快速性、高精度及實(shí)現(xiàn)預(yù)測(cè)性的優(yōu)點(diǎn)，功能多 樣性，有利于發(fā)揮小波包的高頻分辨率、BP神經(jīng)網(wǎng)絡(luò)的非線性映射以及灰色理論模型預(yù)測(cè) 能力相結(jié)合的優(yōu)勢(shì)，提高飛行器結(jié)構(gòu)損傷的識(shí)別與預(yù)測(cè)能力。
本發(fā)明的一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法，其特征在于 該方法包括下列步驟
第一步對(duì)飛行器結(jié)構(gòu)輸出的結(jié)構(gòu)位移響應(yīng)信號(hào)通過小波包分解處理，得到 結(jié)構(gòu)振動(dòng)位移響應(yīng)信號(hào)的能量分量巧M7 (簡稱為信號(hào)能量分量巧；2j ι (Ei ) — (Ei ) I
第二步采用能量變化率指標(biāo)模型^://( =Σ m\l、m。，a為初始)a狀態(tài)，b為當(dāng)前時(shí)刻下的狀態(tài)，對(duì)信號(hào)能量分量巧％進(jìn)行處理，獲得小波能量變化率指標(biāo) WEIf(t)J (簡稱為小波-變化率WEIf(t)p，所述的小波-變化率能夠用于識(shí)別飛行器 結(jié)構(gòu)損傷發(fā)生的空間位置A(x，y，z)；
第三步采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)小波-變化率TOIfwj進(jìn)行處理，得到小波能 量-損傷程度WDDfw，該小波能量-損傷程度WDDfw也就是當(dāng)前時(shí)刻下的小波能量-損傷 程度；
第四步采用灰色系統(tǒng)理論對(duì)信號(hào)能量分量巧％進(jìn)行處理，獲得下一時(shí)刻的信號(hào)會(huì)旨量分量五/(吟；2j ι (Ei ) — (Ei ) I
第五步采用能量變化率指標(biāo)模型=Σ m)l、m] a對(duì)下一時(shí)刻的信號(hào)能量分量吟進(jìn)行處理，獲得下一時(shí)刻的小波-變化率WEIf(t+1)j ；
第六步采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)下一時(shí)刻的小波-變化率WEIf(t+1)j進(jìn)行處理，得 到下一時(shí)刻的小波能量-損傷程度NWDDfw，該下一時(shí)刻的小波能量-損傷程度NWDDfw也 就是可能出現(xiàn)的小波能量-損傷程度。
本發(fā)明多元化識(shí)別與檢測(cè)的方法的優(yōu)點(diǎn)在于
①克服現(xiàn)有單一技術(shù)的不足，提供一種基于結(jié)構(gòu)振動(dòng)測(cè)試信號(hào)高效的識(shí)別結(jié)構(gòu)損 傷程度，同時(shí)能夠進(jìn)行損傷程度預(yù)測(cè)的系統(tǒng)。利用小波包能量指標(biāo)，精確的描述結(jié)構(gòu)的損傷 狀況，利用神經(jīng)網(wǎng)絡(luò)的非線性逼近能力建立損傷狀態(tài)指標(biāo)與損傷程度之間的映射關(guān)系，利 用灰色理論模型的序列性、少數(shù)據(jù)性、全信息性、時(shí)間傳遞性、灰因果性等優(yōu)勢(shì)，對(duì)能量參數(shù) 變化指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)。該方法綜合利用各種方法的優(yōu)點(diǎn)，有利于發(fā)揮小波包的高頻分辨 率、BP神經(jīng)網(wǎng)絡(luò)的非線性映射以及灰色理論模型預(yù)測(cè)能力相結(jié)合的優(yōu)勢(shì)，利用提出的小波 包總能量變化率指標(biāo)，快速的進(jìn)行結(jié)構(gòu)損傷程度的量化分析，利用灰色理論模型對(duì)小波包 總能量變化率指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)結(jié)構(gòu)損傷的預(yù)測(cè)功能。
②利用小波變換進(jìn)行參數(shù)變化識(shí)別直觀、簡便，因而在飛行器結(jié)構(gòu)在線健康監(jiān)測(cè) 中得到重視。
③本發(fā)明采用“能量-損傷”進(jìn)行結(jié)構(gòu)參數(shù)變化模式識(shí)別，該方法不需要對(duì)結(jié)構(gòu)進(jìn) 行建模，而直接對(duì)飛行器結(jié)構(gòu)時(shí)序響應(yīng)信號(hào)進(jìn)行小波包分解和各組分信號(hào)的單獨(dú)重構(gòu)，然 后從中提取能量參數(shù)變化指標(biāo)，確定結(jié)構(gòu)參數(shù)變化的位置和損傷程度。


圖1是飛行器結(jié)構(gòu)損傷狀態(tài)識(shí)別與檢測(cè)的流程圖。
圖2是本發(fā)明的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練示意圖。
具體實(shí)施方式
下面將結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明。
本發(fā)明的一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法，該方法包括 下列步驟
第一步對(duì)飛行器結(jié)構(gòu)輸出的結(jié)構(gòu)位移響應(yīng)信號(hào)通過小波包分解處理，得到 結(jié)構(gòu)振動(dòng)位移響應(yīng)信號(hào)的能量分量吟& (簡稱為信號(hào)能量分量兮；2j ι (Ei ) — (Ei ) I
第二步采用能量變化率指標(biāo)模型·=Σ m)l、m “對(duì)信號(hào)能量分量兮( 進(jìn)行處理，獲得小波能量變化率指標(biāo)WEIf(…(簡稱為小波-變化率WEIf(M)，所述的 小波-變化率WEIfwj能夠用于識(shí)別飛行器結(jié)構(gòu)損傷發(fā)生的空間位置A(x，y, ζ)；
在本發(fā)明中，信號(hào)總能量可以看作不同頻帶內(nèi)的小波包各組分的能量之和。由 于包含較少能量的小波組分容易受到測(cè)量噪聲的污染，在分析過程中要對(duì)它們進(jìn)行 舍棄。對(duì)小波包分解后各組分的能量進(jìn)行從大至小排序，得到能量變化率指標(biāo)模型2j ι QEi ) _ QEi ) ιWEImj = Σ m^1、m “，a為初始狀態(tài)，b為當(dāng)前時(shí)刻下的狀態(tài)，通過結(jié)構(gòu)動(dòng)特性參廣1( Ja數(shù)變化前后的能量變化率來表明結(jié)構(gòu)的健康狀態(tài)。a，b對(duì)應(yīng)兩種狀態(tài)，此指標(biāo)反映了結(jié)構(gòu) 物理參數(shù)變化(損傷)前后結(jié)構(gòu)響應(yīng)信號(hào)小波能量的相對(duì)變化程度。它不僅與結(jié)構(gòu)動(dòng)特性 參數(shù)變化有關(guān)，還與載荷條件有關(guān)。所以，在結(jié)構(gòu)動(dòng)特性參數(shù)變化識(shí)別過程中要保證結(jié)構(gòu)損 傷前后的受載情況一致。
第三步采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)小波-變化率TOIfwj進(jìn)行處理，得到小波能 量-損傷程度WDDfw，該小波能量-損傷程度WDDfw也就是當(dāng)前時(shí)刻下的小波能量-損傷 程度；
第四步采用灰色系統(tǒng)理論對(duì)信號(hào)能量分量吟％進(jìn)行處理，獲得下一時(shí)刻的信號(hào)會(huì)旨量分量五/(吟；
在本發(fā)明中，采用灰色理論模型將飛行器結(jié)構(gòu)位移響應(yīng)信號(hào)提取點(diǎn)的不同時(shí)刻的 小波包能量指標(biāo)數(shù)據(jù)進(jìn)行預(yù)測(cè)，將得到的小波包能量指標(biāo)輸入已有的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù) 測(cè)分析。將已有的小波包能量變化率指標(biāo)數(shù)據(jù)利用灰色理論模型處理，獲得下一時(shí)刻的小 波包能量變化率指標(biāo)，將下一時(shí)刻的指標(biāo)輸入訓(xùn)練好的網(wǎng)絡(luò)，得到下一時(shí)刻的損傷量化狀 態(tài)，即進(jìn)行了損傷量化預(yù)測(cè)。2j ι (Ei ) — (Ei ) I
第五步采用能量變化率指標(biāo)模型= Σ、m “對(duì)下一時(shí)刻的信號(hào)能量分量巧α,進(jìn)行處理，獲得下一時(shí)刻的小波-變化率WEIf(t+1)j ；
第六步采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)下一時(shí)刻的小波-變化率WEIf(t+1)j進(jìn)行處理，得 到下一時(shí)刻的小波能量-損傷程度NWDDfw，該下一時(shí)刻的小波能量-損傷程度NWDDfw也 就是可能出現(xiàn)的小波能量-損傷程度。
在本發(fā)明中，整個(gè)飛行器結(jié)構(gòu)損傷狀態(tài)識(shí)別與檢測(cè)的流程如圖1所示。基于飛行 器結(jié)構(gòu)的振動(dòng)測(cè)試，獲得結(jié)構(gòu)位移響應(yīng)信號(hào)，對(duì)進(jìn)行小波包分解，獲得信號(hào)能量分 量兮，利用信號(hào)能量分量吟采用能量變化率指標(biāo)模型獲得小波-變化率WEIf(…，將獲 得的小波-變化率WEIfwj結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法可進(jìn)行小波能量-損傷程度WDDfw的識(shí) 別，同時(shí)采用灰色系統(tǒng)理論模型對(duì)當(dāng)前時(shí)刻的信號(hào)能量分量巧( 進(jìn)行處理得到下一時(shí)刻的 信號(hào)能量分量巧，再采用能量變化率指標(biāo)模型獲得小波-變化率WEIf(t+1”，將獲得的下 一時(shí)刻的小波-變化率WEIf(t+⑴采用BP神經(jīng)網(wǎng)絡(luò)算法可得到下一時(shí)刻飛行器結(jié)構(gòu)的小波 能量-損傷程度NWDDfw。
在本發(fā)明的第一步中，所述的第一步小波包分解提取結(jié)構(gòu)響應(yīng)信號(hào)的能量分量具 體過程為
步驟1-1 對(duì)結(jié)構(gòu)振動(dòng)測(cè)試所獲得的位移響應(yīng)信號(hào)進(jìn)行· 層小波包分解，得到小波包分解后位移響應(yīng)信號(hào)/ω=Σ/;ω，t為振動(dòng)信號(hào)測(cè)試周期時(shí)間，j為小波包分解層i=l數(shù)，i為在j層中頻率層的序號(hào)，且i = 1，2，-2J；
其中萬⑴為小波包基函數(shù)Ψ )的線性組合
權(quán)利要求
1.一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法，其特征在于該方法包括 下列步驟第一步對(duì)飛行器結(jié)構(gòu)輸出的結(jié)構(gòu)位移響應(yīng)信號(hào)通過小波包分解處理，得到信號(hào)言旨量分量五第二步采用能量變化率指標(biāo)模型
2.根據(jù)權(quán)利要求1所述的對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法，其特 征在于所述的第一步小波包分解提取結(jié)構(gòu)響應(yīng)信號(hào)的能量分量具體過程為步驟1-1 對(duì)結(jié)構(gòu)振動(dòng)測(cè)試所獲得的位移響應(yīng)信號(hào)進(jìn)行· 層小波包分解，得到小波包分解后位移響應(yīng)信號(hào)/(0 = YJ-H)，t為振動(dòng)信號(hào)測(cè)試周期時(shí)間，j為小波包分解層數(shù)，i 為在j層中頻率層的序號(hào)，且i = 1，2，…2j;其中Jiif)為小波包基函數(shù)的線性組合k =+ 即
3.根據(jù)權(quán)利要求1所述的對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法，其特 征在于BP神經(jīng)網(wǎng)絡(luò)為3層神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元節(jié)點(diǎn)數(shù)為17。
全文摘要
一種對(duì)飛行器結(jié)構(gòu)損傷狀態(tài)進(jìn)行多元化識(shí)別與檢測(cè)的方法。本發(fā)明涉及一種多方法組合飛行器結(jié)構(gòu)損傷狀態(tài)識(shí)別與檢測(cè)系統(tǒng)，其特征是基于飛行器結(jié)構(gòu)的振動(dòng)測(cè)試信號(hào)，應(yīng)用小波包方法，用于識(shí)別結(jié)構(gòu)損傷發(fā)生的空間位置和損傷程度，同時(shí)提出一種小波包能量變化率指標(biāo)，結(jié)合神經(jīng)網(wǎng)絡(luò)，以小波包能量指標(biāo)為網(wǎng)絡(luò)輸入對(duì)結(jié)構(gòu)的損傷程度進(jìn)行精確地量化分析，還采用灰預(yù)測(cè)方法進(jìn)行小波包能量指標(biāo)預(yù)測(cè)，進(jìn)行結(jié)構(gòu)損傷狀態(tài)量化預(yù)測(cè)分析。本發(fā)明具有快速性、高精度及實(shí)現(xiàn)預(yù)測(cè)性的優(yōu)點(diǎn)，功能多樣性，有利于發(fā)揮小波包的高頻分辨率、BP神經(jīng)網(wǎng)絡(luò)的非線性映射以及灰預(yù)測(cè)預(yù)測(cè)能力相結(jié)合的優(yōu)勢(shì)，提高飛行器結(jié)構(gòu)損傷的識(shí)別與預(yù)測(cè)能力。
文檔編號(hào)G06K9/62GK102034111SQ20101058919
公開日2011年4月27日 申請(qǐng)日期2010年12月15日 優(yōu)先權(quán)日2010年12月15日
發(fā)明者孫伶俐, 畢司峰, 羅媛媛, 賈軍, 鄧忠民, 駱寰宇 申請(qǐng)人:北京航空航天大學(xué)