CN107870205A - 一种基于小波分析的复合材料损伤探测检测方法 - Google Patents
一种基于小波分析的复合材料损伤探测检测方法 Download PDFInfo
- Publication number
- CN107870205A CN107870205A CN201610841027.2A CN201610841027A CN107870205A CN 107870205 A CN107870205 A CN 107870205A CN 201610841027 A CN201610841027 A CN 201610841027A CN 107870205 A CN107870205 A CN 107870205A
- Authority
- CN
- China
- Prior art keywords
- damage
- signal
- fiber
- monitoring
- grating sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/041—Analysing solids on the surface of the material, e.g. using Lamb, Rayleigh or shear waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/24—Probes
- G01N29/2412—Probes using the magnetostrictive properties of the material to be examined, e.g. electromagnetic acoustic transducers [EMAT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
- G01N2291/0231—Composite or layered materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/04—Wave modes and trajectories
- G01N2291/042—Wave modes
- G01N2291/0427—Flexural waves, plate waves, e.g. Lamb waves, tuning fork, cantilever
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/10—Number of transducers
- G01N2291/105—Number of transducers two or more emitters, two or more receivers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Electromagnetism (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于小波分析的复合材料损伤探测检测方法,仅对复合材料结构中与损伤关联的损伤监测区域进行损伤监测,而无需利用整个光纤光栅传感器网络对其覆盖的整个被测复合材料结构进行损伤监测,使得损伤监测的光纤光栅传感器的轮询次数极大减小,减小了需要采集并处理损伤信号的数量,有效提高了损伤监测效率,且本发明先利用小波包分析预处理复合材料损伤信号得到损伤信号能量谱,提取特征向量,准确有效,再结合所设计的BP神经络模型,通过训练得到具有复合材料损伤识别模式功能的网络,实现损伤智能识别,解决一些非线性的问题,可同时完成损伤识别、定位和程度大小判定,有效可行。
Description
技术领域
本发明涉及复合材料损伤检测领域,具体是一种基于小波分析的复合材料损伤探测检测方法。
背景技术
复合材料是由两种或两种以上的不同性能、不同形态的组分材料通过复合工艺组合而成的一种多相材料,它既保留了原组分材料的主要特点,又显示了原组分材料所没有的新性能。伴随着科学技术的进步,复合材料在各个技术领域的应用也越来越广泛,己经广泛于军事、航天、交通、电子电气、等领域。由于复合材料很容易遭受外来破坏而产生损伤,所以对复合材料进行损伤检测就显得很重要,目前对复合材料损伤信号高效的识别处理方法研究较少。
现有技术中,对复合材料的检测一般采用声发射法,检测声波一般采用兰姆波,由于兰姆波对损伤较敏感,且分析较容易,一般采用短时傅立叶变换、小波变换及上述的HHT变换等方法。常规傅里叶分析理论在时频联合分析方面存在局限,只能简单的将时域信号转化为频域信号,而不能得到具体频率段数据出现的时间,这在数据处理中具有严重弊端;HHT变换在分解复杂信号时存在求解结果精度不高、计算时间长的不足,同时还存在边端效应、越界问题、停止准则和虚假低频成分过滤的问题。短时傅里叶变换在提取包络时对设定的频率处效果较好,对其他频率的信号处理效果较差。小波变换能将数据分为n段处理,但是单纯的小波变换不够智能,需要专业人士才能识别信号,检测不方便。另外,在对大面积的复合材料进行损伤监测时,由于监测面积大,需要布置数目较多的传感器组成大型传感器网络。在实际损伤监测中,一般要求对整个大型传感器网络进行扫查,并对扫查得到的大量兰姆波传感信号进行分析处理,使得损伤监测的任务量很大,执行效率低。
发明内容
本发明的目的在于提供一种基于小波分析的复合材料损伤探测检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于小波分析的复合材料损伤探测检测方法,包括以下步骤:
步骤S1:在被测复合材料结构中均匀布置多个光纤光栅传感器,以形成光纤光栅传感器网络;
步骤S2:在传感器网络中选取多个用于对被测复合材料结构进行撞击监测的光纤光栅传感器,作为撞击监测光纤光栅传感器;
步骤S3:当被测复合材料结构发生撞击事件时,利用信号采集器同步采集撞击监测光纤光栅传感器的撞击响应信号;
步骤S4:根据撞击响应信号进行撞击监测,获得撞击事件参数;
步骤S5:根据撞击事件参数确定损伤监测区域;
步骤S6:根据探伤检测区域的范围,从光纤光栅传感器网络中选取相应的光纤光栅传感器作为损伤监测光纤光栅传感器,并制定相应的扫查策略;
步骤S7:按照扫查策略,利用信号发生接收器通过损伤监测光纤光栅传感器向所述损伤监测区域激发兰姆波检测信号;
步骤S8:利用信号发生接收器通过损伤监测光纤光栅传感器采集损伤信号;
步骤S9:构建提取损伤信号的小波分析算法,并获取小波包的能量谱;
步骤S10:选取BP网络学习样本,经建立损伤识别BP神经网络模型;
步骤S11:基于损伤识别BP神经网络模型对复合材料结构进行损伤检测,并输出损伤结果。
作为本发明进一步的方案:步骤S3中所述信号采集器包括撞击响应信号调理单元和多通道信号同步采集单元,撞击响应信号调理单元与撞击监测光纤光栅传感器相连,撞击响应信号调理单元对多个撞击监测光纤光栅传感器输出的多路撞击响应信号分别进行滤波和放大;所述多通道信号同步采集单元用于对撞击响应信号调理单元输出的多路信号进行模数转化并同步采集。
作为本发明再进一步的方案:步骤S7和步骤S8中所述信号发生接收器包括信号发生单元、多路选择单元、信号调理单元和信号接收单元;所述信号发生单元用于在每次轮询时产生激励信号,并经多路选择单元加载到该次轮询所确定的作为激励器的光纤光栅传感器上;多路选择单元用于按照所述扫查策略从损伤监测光纤光栅传感器依次选择作为激励器的光纤光栅传感器和作为传感器的光纤光栅传感器;信号调理单元用于对多路选择单元选择的作为传感器的光纤光栅传感器输出的损伤信号进行滤波和信号放大;信号接收单元用接收信号调理单元输出的损伤信号。
作为本发明再进一步的方案:所述信号发生接收器还包括功率放大单元,功率放大单元用于对激励信号进行功率放大。
作为本发明再进一步的方案:步骤S9的具体步骤如下:
步骤S91:将复合材料损伤信号进行小波包分解,所述小波包分解的小波基为db小波,db小波的滤波长度和支集长度均为2N,小波基的消失矩阵阶数为N;
步骤S92:设定小波的分解层数为5,损伤信号在频率轴分为32个频带,选取的小波阶数为4,基于db4小波进行小波分析;
步骤S93:基于小波包分析对损伤信号进行5层分解,得到32个信号频率成分,并根据信号频率成分从低到高排列,对小波包分解的系数进行重构,计算各重构信号的能量,对于分解后的第5层,记各结点的重构系数为S5,i,所述各结点重构系数表示小波各阶的能量,得到小波包的能量谱E5,I:
其中,i=0,1,2,3…31,Xi,k为重构系数S5,i的离散的幅值,求得各频段所占信号总能量的比值G5,i:
。
与现有技术相比,本发明的有益效果是:
1、本发明先利用小波包分析预处理复合材料损伤信号得到损伤信号能量谱,提取特征向量,准确有效,再结合所设计的BP神经络模型,通过训练得到具有复合材料损伤识别模式功能的网络,实现损伤智能识别,解决一些非线性的问题,可同时完成损伤识别、定位和程度大小判定,有效可行;
2、本发明仅对复合材料结构中与损伤关联的损伤监测区域进行损伤监测,而无需利用整个光纤光栅传感器网络对其覆盖的整个被测复合材料结构进行损伤监测,使得损伤监测的光纤光栅传感器的轮询次数极大减小,减小了需要采集并处理损伤信号的数量,有效提高了损伤监测效率。
附图说明
图1为基于小波分析的复合材料损伤探测检测方法的流程示意图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
请参阅图1,一种基于小波分析的复合材料损伤探测检测方法,包括以下步骤:
步骤S1:在被测复合材料结构中均匀布置多个光纤光栅传感器,以形成光纤光栅传感器网络。
组成光纤光栅传感器网络的光纤光栅传感器的数量及排列方式根据实际需求而定,在排布光纤光栅传感器的过程中,要尽可能的保证排布均匀;
步骤S2:在传感器网络中选取多个用于对被测复合材料结构进行撞击监测的光纤光栅传感器,作为撞击监测光纤光栅传感器。
本步骤中,布置在被测复合材料结构中的整个光纤光栅传感器网络是用于后面的高精度损伤监测,而从整个光纤光栅传感器网络中选择部分光纤光栅传感器对所述被测复合材料结构进行损伤监测前的撞击监测,即所选择的光纤光栅传感器不仅用于撞击监测,后续还可能被再次选择,用于高精度损伤监测,而整个光纤光栅传感器网络中剩余的光纤光栅传感器如果在后续损伤监测操作中被选中的话,则仅用于损伤监测。
需要说明的是,所选择的光纤光栅传感器需要满足能够对整个被测复合材料结构进行撞击监测,而不能只集中在某个区域。这样可保证能采集到发生在被测复合材料结构任一位置的撞击引起的撞击响应信号,从而实现撞击监测。选择的光纤光栅传感器数目越多,用于撞击监测的光纤光栅传感器网络越密集,撞击监测结果越可靠,然而,受限于实际撞击监测设备的通道数,一般最多选择60个光纤光栅传感器。
步骤S3:当被测复合材料结构发生撞击事件时,利用信号采集器同步采集撞击监测光纤光栅传感器的撞击响应信号。
本步骤中可以采用多种撞击监测方法进行撞击监测,例如***模型的撞击监测方法、能量重心撞击定位方法、时间反转撞击成像方法或声发射方法,本实施例对此不进行限制。
所述信号采集器包括撞击响应信号调理单元和多通道信号同步采集单元,撞击响应信号调理单元与撞击监测光纤光栅传感器相连,用于对多个撞击监测光纤光栅传感器输出的多路撞击响应信号分别进行滤波和放大;多通道信号同步采集单元用于对撞击响应信号调理单元输出的多路信号进行模数转化并同步采集。对撞击响应信号进行滤波和放大处理的好处在于,不仅滤除了噪声,而且提高了处理后的撞击响应信号信噪比。
步骤S4:根据撞击响应信号进行撞击监测,获得撞击事件参数。
撞击事件参数主要包括撞击位置坐标及撞击能量等级等信息。
步骤S5:根据撞击事件参数确定损伤监测区域。
根据撞击事件参数中的撞击能量等级、撞击位置的监测精度和/或所述被测复合材料结构的特性,确定作用距离,以所述撞击事件参数中的撞击位置为中心点,根据所述作用距离和所述中心点,构建设定形状的区域作为损伤监测原始区域;其中,设定形状可以包括圆形、方形或其他形状;需要说明的是,如果撞击位置的监测精度较低,则确定的作用距离较大,以保证撞击位置在损伤监测原始区域内;如果结构材料对撞击很敏感,即撞击导致的损伤面积较大,则确定的作用距离也较大,保证损伤监测原始区域能包含待监测的损伤范围。将所述损伤监测原始区域所覆盖以及部分覆盖的损伤监测子区域,确定为损伤监测区域,其中,所述损伤监测子区域通过对所述被测复合材料结构预先划分得到。
预先对被测复合材料结构进行区域划分,得到各损伤监测子区域,可按整个光纤光栅传感器网络中设定数量的相邻光纤光栅传感器所围成的区域对被测复合材料结构进行区域划分,也即每个损伤监测子区域对应整个光纤光栅传感器网络中设定数量的相邻光纤光栅传感器所围成的区域。例如,按照每相邻四个光纤光栅传感器确定一个损伤监测子区域的方式,划分为多个损伤监测子区域。对每个损伤监测子区域进行损伤监测的光纤光栅传感器位于子区域的四个角上。
需要说明的是,损伤监测子区域的划分与结构特点、选用的损伤监测方法相关。如果信号在结构衰减大,传播距离短,且结构形式复杂,就需要减小损伤监测子区域的面积,并增大监测该子区域的光纤光栅传感器数量,保证损伤监测结果的准确性。
步骤S6:根据探伤检测区域的范围,从光纤光栅传感器网络中选取相应的光纤光栅传感器作为损伤监测光纤光栅传感器,并制定相应的扫查策略。
将所述损伤监测区域所覆盖以及部分覆盖的损伤监测子区域各自对应的设定数量的相邻光纤光栅传感器的集合,作为用于对所述损伤监测区域进行损伤监测的光纤光栅传感器。然后根据损伤监测方法(例如采用概率损伤成像方法,该方法是一种基于稀疏传感器阵列的直达路径层析成像方法),确定用于对所述损伤监测区域进行损伤监测的多个光纤光栅传感器的扫查策略。
步骤S7:按照扫查策略,利用信号发生接收器通过损伤监测光纤光栅传感器向所述损伤监测区域激发兰姆波检测信号。
本步骤中可采用多种损伤监测方法对所述损伤监测区域进行损伤监测,例如,概率损伤成像方法、延迟叠加损伤成像方法、时间反转损伤成像方法或传统的几何定位方法进行损伤监测,本实施例对此不进行限制。
扫查策略是指每次轮询激励和传感中光纤光栅传感器轮流分别作为激励器和传感器的次序。对于一次具体的轮询,利用信号发生接收器产生激励信号,并加载到该次轮询所确定的作为激励器的光纤光栅传感器上,使得向所述损伤监测区域激发出兰姆波监测信号;然后利用信号采集器通过该次轮询所确定的作为传感器的光纤光栅传感器采集对应的兰姆波传感信号。
具体地,所述信号发生接收器至少包括:信号发生单元、多路选择单元、信号调理单元和信号接收单元。其中,对于每次轮询而言,信号发生单元用于产生激励信号,经多路选择单元加载到该次轮询所确定的作为激励器的光纤光栅传感器上;多路选择单元用于按照所述扫查策略从损伤监测光纤光栅传感器依次选择作为激励器的光纤光栅传感器和作为传感器的光纤光栅传感器;信号调理单元用于对多路选择单元选择的作为传感器的光纤光栅传感器输出的损伤信号进行滤波和信号放大;信号接收单元用接收信号调理单元输出的损伤信号。
优选的,所述信号发生接收器还可包括:功率放大单元。其中,功率放大单元用于对激励信号进行功率放大。
需要说明的是,在选择中心频率时,需要使得接收到的对应的损伤信号的信噪比较高,并且对损伤敏感。
步骤S8:利用信号发生接收器通过损伤监测光纤光栅传感器采集损伤信号。
所述信号发生接收器的信号调理单元用于对多路选择单元选择的作为传感器的光纤光栅传感器输出的损伤信号进行滤波和信号放大;信号接收单元用接收信号调理单元输出的损伤信号。
步骤S9:构建提取损伤信号的小波分析算法,并获取小波包的能量谱。
步骤S9的具体步骤如下:步骤S91:将复合材料损伤信号进行小波包分解,所述小波包分解的小波基为db小波,db小波的滤波长度和支集长度均为2N,小波基的消失矩阵阶数为N,能够使序列的扩展性很好,从而能够恰到好处地解决支集长度增加而导致的边界问题;
步骤S92:设定小波的分解层数为5,损伤信号在频率轴分为32个频带,选取的小波阶数为4,基于db4小波进行小波分析;
步骤S93:基于小波包分析对损伤信号进行5层分解,得到32个信号频率成分,并根据信号频率成分从低到高排列,对小波包分解的系数进行重构,计算各重构信号的能量,对于分解后的第5层,记各结点的重构系数为S5,i,所述各结点重构系数表示小波各阶的能量,得到小波包的能量谱E5,i:
其中,i=0,1,2,3…31,Xi,k为重构系数S5,i的离散的幅值(即每个频带内的能量),求得各频段所占信号总能量的比值G5,i:
步骤S10:选取BP网络学习样本,经建立损伤识别BP神经网络模型。
选取含有一个隐含层的三层BP神经网络,输入层、输出层神经元节点数分别为4和3,学习样本数为24组,得到的隐含层节点数为16个,实现BP神经网络模型建模。
为了提高损伤识别的精度,选取小波包能量谱中最为敏感的一阶,即最大的能量值作为损伤特征向量,接下来分别提取多种损伤状况下的损伤信号进行同样的小波包能量谱分析,将其所对应的特征向量组成BP神经网络的学习样本,以得到具有复合材料损伤模式识别的神经网络。基于学习样本以及拟解决的复合材料损伤识别问题,选取含有一个隐含层的3层BP神经网络,输入输出层神经元节点数分别为4和3,学习样本数为24组,得到的隐含层节点数为16个。基于MATLAB编程实现的BP神经网络代码如下:
threShold=[01;01;01;01];
net=newff(threshold,[163],{’logsig’,’logsig’},’trainrp’);
net.trainParam.epochs=2000;
net.trainParam.goal=0.01;
LP.lr=0.08;
net=train(net,P,T);
其中threshold是用于规定网络输入向量的最大最小值,共四个输入量,最大值为1,最小值为O;16表示隐含层节点数为16个,3表示输出层节点数为3即三个输出量;两个函数’logsig’分别表示的是隐含层传递函数与输出层传递函数;’trainrp’表示的网络训练函数,为弹性梯度下降算法。网络的训练次数设为2000次,训练目标为0.01,学习速率为0.08,最后创建网络net,P,T分别表示输入向量和目标向量。
步骤S11:基于损伤识别BP神经网络模型对复合材料结构进行损伤检测,并输出损伤结果。
经过多次训练后BP神经网络达到收敛。基于学习训练好BP神经网络对复合材料进行损伤检测,并输出损伤结果。基于另外采集的12组复合材料板冲击响应试验数据对BP神经网络进行测试,得到网络的测试数据与期望值的误差曲线图。从测试数据结果与期望值的误差曲线图发现,12组测试结果与网络期望值都非常接近,说明基于小波包分析的信号处理算法能够准确完成复合材料板的损伤检测,而且误差较小在士0.06以内,说明运用此方法进行复合材料损伤检测是有效可行的。
本发明能够放大信号分析信号的局部特征,具有很好的时频局部特性,能够获得比传统分析方法更多的信号特征,结合BP神经网络解决非线性问题,完成复合材料损伤检测识别;本发明先利用小波包分析预处理复合材料损伤信号得到损伤信号能量谱,提取特征向量,准确有效,再结合所设计的BP神经络模型,通过训练得到具有复合材料损伤识别模式功能的网络,实现损伤智能识别,解决一些非线性的问题,可同时完成损伤识别、定位和程度大小判定,有效可行;本发明仅对复合材料结构中与损伤关联的损伤监测区域进行损伤监测,而无需利用整个光纤光栅传感器网络对其覆盖的整个被测复合材料结构进行损伤监测,使得损伤监测的光纤光栅传感器的轮询次数极大减小,减小了需要采集并处理损伤信号的数量,有效提高了损伤监测效率。
上面对本发明的较佳实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (5)
1.一种基于小波分析的复合材料损伤探测检测方法,其特征在于,包括以下步骤:
步骤S1:在被测复合材料结构中均匀布置多个光纤光栅传感器,以形成光纤光栅传感器网络;
步骤S2:在传感器网络中选取多个用于对被测复合材料结构进行撞击监测的光纤光栅传感器,作为撞击监测光纤光栅传感器;
步骤S3:当被测复合材料结构发生撞击事件时,利用信号采集器同步采集撞击监测光纤光栅传感器的撞击响应信号;
步骤S4:根据撞击响应信号进行撞击监测,获得撞击事件参数;
步骤S5:根据撞击事件参数确定损伤监测区域;
步骤S6:根据探伤检测区域的范围,从光纤光栅传感器网络中选取相应的光纤光栅传感器作为损伤监测光纤光栅传感器,并制定相应的扫查策略;
步骤S7:按照扫查策略,利用信号发生接收器通过损伤监测光纤光栅传感器向所述损伤监测区域激发兰姆波检测信号;
步骤S8:利用信号发生接收器通过损伤监测光纤光栅传感器采集损伤信号;
步骤S9:构建提取损伤信号的小波分析算法,并获取小波包的能量谱;
步骤S10:选取BP网络学习样本,经建立损伤识别BP神经网络模型;
步骤S11:基于损伤识别BP神经网络模型对复合材料结构进行损伤检测,并输出损伤结果。
2.根据权利要求1所述的基于小波分析的复合材料损伤探测检测方法,其特征在于,步骤S3中所述信号采集器包括撞击响应信号调理单元和多通道信号同步采集单元,撞击响应信号调理单元与撞击监测光纤光栅传感器相连,撞击响应信号调理单元对多个撞击监测光纤光栅传感器输出的多路撞击响应信号分别进行滤波和放大;所述多通道信号同步采集单元用于对撞击响应信号调理单元输出的多路信号进行模数转化并同步采集。
3.根据权利要求2所述的基于小波分析的复合材料损伤探测检测方法,其特征在于,步骤S7和步骤S8中所述信号发生接收器包括信号发生单元、多路选择单元、信号调理单元和信号接收单元;所述信号发生单元用于在每次轮询时产生激励信号,并经多路选择单元加载到该次轮询所确定的作为激励器的光纤光栅传感器上;多路选择单元用于按照所述扫查策略从损伤监测光纤光栅传感器依次选择作为激励器的光纤光栅传感器和作为传感器的光纤光栅传感器;信号调理单元用于对多路选择单元选择的作为传感器的光纤光栅传感器输出的损伤信号进行滤波和信号放大;信号接收单元用接收信号调理单元输出的损伤信号。
4.根据权利要求3所述的基于小波分析的复合材料损伤探测检测方法,其特征在于,所述信号发生接收器还包括功率放大单元,功率放大单元用于对激励信号进行功率放大。
5.根据权利要求1或2或3或4所述的基于小波分析的复合材料损伤探测检测方法,其特征在于,步骤S9的具体步骤如下:
步骤S91:将复合材料损伤信号进行小波包分解,所述小波包分解的小波基为db小波,db小波的滤波长度和支集长度均为2N,小波基的消失矩阵阶数为N;
步骤S92:设定小波的分解层数为5,损伤信号在频率轴分为32个频带,选取的小波阶数为4,基于db4小波进行小波分析;
步骤S93:基于小波包分析对损伤信号进行5层分解,得到32个信号频率成分,并根据信号频率成分从低到高排列,对小波包分解的系数进行重构,计算各重构信号的能量,对于分解后的第5层,记各结点的重构系数为S5,i,所述各结点重构系数表示小波各阶的能量,得到小波包的能量谱E5,I:
其中,i=0,1,2,3…31,Xi,k为重构系数S5,i的离散的幅值,求得各频段所占信号总能量的比值G5,i:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610841027.2A CN107870205A (zh) | 2016-09-22 | 2016-09-22 | 一种基于小波分析的复合材料损伤探测检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610841027.2A CN107870205A (zh) | 2016-09-22 | 2016-09-22 | 一种基于小波分析的复合材料损伤探测检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107870205A true CN107870205A (zh) | 2018-04-03 |
Family
ID=61750982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610841027.2A Pending CN107870205A (zh) | 2016-09-22 | 2016-09-22 | 一种基于小波分析的复合材料损伤探测检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107870205A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389176A (zh) * | 2019-07-10 | 2019-10-29 | 华中科技大学 | 一种碳纤维增强基复合材料结构的疲劳损伤诊断方法 |
CN111307944A (zh) * | 2020-03-15 | 2020-06-19 | 中国飞机强度研究所 | 一种复合材料结构损伤定量监测方法及*** |
CN111581865A (zh) * | 2020-05-08 | 2020-08-25 | 成都山地环安防灾减灾技术有限公司 | 一种工程结构损伤远程监测预警方法及*** |
CN111912884A (zh) * | 2020-08-13 | 2020-11-10 | 南京智行信息科技有限公司 | 桥梁加固复合材料损伤识别*** |
US11193884B2 (en) | 2018-07-02 | 2021-12-07 | The Research Foundation For The State University Of New York | System and method for structural characterization of materials by supervised machine learning-based analysis of their spectra |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181230A (zh) * | 2014-04-21 | 2014-12-03 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 复合材料板结构的损伤监测方法 |
CN105067712A (zh) * | 2015-07-23 | 2015-11-18 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 复合材料结构的损伤监测方法、装置和*** |
CN105225223A (zh) * | 2015-08-27 | 2016-01-06 | 南京市计量监督检测院 | 基于小波分析和bp神经网络的复合材料损伤检测方法 |
-
2016
- 2016-09-22 CN CN201610841027.2A patent/CN107870205A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181230A (zh) * | 2014-04-21 | 2014-12-03 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 复合材料板结构的损伤监测方法 |
CN105067712A (zh) * | 2015-07-23 | 2015-11-18 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 复合材料结构的损伤监测方法、装置和*** |
CN105225223A (zh) * | 2015-08-27 | 2016-01-06 | 南京市计量监督检测院 | 基于小波分析和bp神经网络的复合材料损伤检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11193884B2 (en) | 2018-07-02 | 2021-12-07 | The Research Foundation For The State University Of New York | System and method for structural characterization of materials by supervised machine learning-based analysis of their spectra |
CN110389176A (zh) * | 2019-07-10 | 2019-10-29 | 华中科技大学 | 一种碳纤维增强基复合材料结构的疲劳损伤诊断方法 |
CN111307944A (zh) * | 2020-03-15 | 2020-06-19 | 中国飞机强度研究所 | 一种复合材料结构损伤定量监测方法及*** |
CN111581865A (zh) * | 2020-05-08 | 2020-08-25 | 成都山地环安防灾减灾技术有限公司 | 一种工程结构损伤远程监测预警方法及*** |
CN111581865B (zh) * | 2020-05-08 | 2023-09-05 | 成都山地环安科技有限公司 | 一种工程结构损伤远程监测预警方法及*** |
CN111912884A (zh) * | 2020-08-13 | 2020-11-10 | 南京智行信息科技有限公司 | 桥梁加固复合材料损伤识别*** |
CN111912884B (zh) * | 2020-08-13 | 2023-09-08 | 南京智行信息科技有限公司 | 桥梁加固复合材料损伤识别*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107870205A (zh) | 一种基于小波分析的复合材料损伤探测检测方法 | |
CN105225223A (zh) | 基于小波分析和bp神经网络的复合材料损伤检测方法 | |
CN109961017A (zh) | 一种基于卷积循环神经网络的心音信号分类方法 | |
CN100485342C (zh) | 机械故障的集成支持向量机混合智能诊断方法 | |
CN107203692A (zh) | 基于深度卷积神经网络的房颤检测的实现方法 | |
CN108764457B (zh) | 基于采样通道融合深度神经网络的自动心律失常分析方法 | |
CN109473120A (zh) | 一种基于卷积神经网络的异常声音信号识别方法 | |
CN107024987A (zh) | 一种基于eeg的实时人脑注意力测试和训练*** | |
CN107356432A (zh) | 基于频域窗经验小波共振解调的滚动轴承故障诊断方法 | |
CN113158984B (zh) | 基于复Morlet小波和轻量级卷积网络的轴承故障诊断方法 | |
CN106803081A (zh) | 一种基于多分类器集成的脑电分类方法 | |
CN106845401A (zh) | 一种基于多空间卷积神经网络的害虫图像识别方法 | |
CN108510153A (zh) | 一种多工况旋转机械故障诊断方法 | |
CN112799128B (zh) | 一种地震信号检测和震相提取的方法 | |
CN112329609A (zh) | 基于2d心拍的特征融合迁移学习心律失常分类*** | |
CN112580486B (zh) | 一种基于雷达微多普勒信号分离的人体行为分类方法 | |
CN106997475A (zh) | 一种基于并行卷积神经网络的害虫图像识别方法 | |
CN109890043A (zh) | 一种基于生成式对抗网络的无线信号降噪方法 | |
CN107249449A (zh) | 用于感测胎儿活动的***、装置和方法 | |
CN107870204A (zh) | 一种准确性高的复合材料结构损伤监测方法 | |
CN108108719A (zh) | 一种加权核稀疏和协同表示系数的高光谱影像分类方法 | |
CN102988041B (zh) | 心磁信号噪声抑制中的信号选择性平均方法 | |
CN112861813A (zh) | 基于复值卷积神经网络的墙后人体行为识别方法 | |
CN108197545A (zh) | 干扰类型的识别方法和*** | |
CN109620203A (zh) | 一种基于一维卷积神经网络的心电信号特征自动提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180403 |