一種基于超聲導(dǎo)波的復(fù)雜結(jié)構(gòu)損傷協(xié)同識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及無(wú)損檢測(cè)技術(shù)領(lǐng)域，特別涉及一種基于超聲導(dǎo)波的復(fù)雜結(jié)構(gòu)損傷協(xié)同 識(shí)別方法。
【背景技術(shù)】
[0002] 在運(yùn)輸、輸電線路、橋梁及房屋建筑等各領(lǐng)域中，往往需要采用各類復(fù)雜長(zhǎng)狀類結(jié) 構(gòu)，如絞線、管道、鋼絲繩等，這些復(fù)雜結(jié)構(gòu)在工作中往往會(huì)長(zhǎng)期受到外部環(huán)境和承載力變 化的影響，從而在使用過(guò)程中產(chǎn)生各種損傷，如磨損、銹蝕、斷股等，這些損傷會(huì)危及到人員 和設(shè)備財(cái)產(chǎn)的安全。不同的損傷會(huì)造成不同的影響，而各類型的損傷也有著其對(duì)應(yīng)的處理 方案，這就要求檢測(cè)系統(tǒng)能夠?qū)Σ煌愋偷膿p傷進(jìn)行快速有效的分類識(shí)別。傳統(tǒng)的結(jié)構(gòu)損 傷識(shí)別方法已遠(yuǎn)遠(yuǎn)不能滿足高速發(fā)展下提出的損傷識(shí)別需求。因此，涌現(xiàn)了基于射線、紅外 攝像、電磁通等一系列損傷識(shí)別方法。雖然在識(shí)別率方面有一定提升，但大都采用了傳統(tǒng)的 神經(jīng)網(wǎng)絡(luò)，而且往往需要大量的檢測(cè)樣本進(jìn)行訓(xùn)練，這使得現(xiàn)有的識(shí)別方法受到了極大挑 戰(zhàn)，其新方法的研究也一直是結(jié)構(gòu)健康監(jiān)測(cè)學(xué)科的前沿問(wèn)題。
[0003] 同時(shí)，隨著檢測(cè)技術(shù)的不斷發(fā)展，超聲導(dǎo)波由于其激勵(lì)信號(hào)可設(shè)可控、傳播距離遠(yuǎn) 及安裝方便等優(yōu)點(diǎn)，在結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域越來(lái)越受業(yè)界人士重視，特別適用于絞線、管道等 長(zhǎng)狀類復(fù)雜特殊結(jié)構(gòu)的損傷檢測(cè)。然而在這些復(fù)雜結(jié)構(gòu)中，超聲導(dǎo)波的傳輸存在著明顯的 頻散、多模態(tài)、多路徑延遲等現(xiàn)象，即無(wú)序狀態(tài)，導(dǎo)致激勵(lì)信號(hào)難以在復(fù)雜結(jié)構(gòu)對(duì)象的另一 端對(duì)損傷位置和形狀等信息進(jìn)行有效的定量表征。因此，如何從宏觀角度進(jìn)行探索，研究基 于超聲導(dǎo)波的復(fù)雜結(jié)構(gòu)損傷識(shí)別方法是亟待解決的問(wèn)題。
[0004] 現(xiàn)如今，基于協(xié)同學(xué)理論的識(shí)別決策技術(shù)憑借其預(yù)處理及特征提取簡(jiǎn)單，不必要 進(jìn)行細(xì)節(jié)特征提取和選擇的過(guò)程，且具備一定的抗干擾和抗噪聲性能等優(yōu)點(diǎn)，近年來(lái)引起 了國(guó)內(nèi)外學(xué)者的高度關(guān)注，在人臉識(shí)別、字符識(shí)別、交通狀態(tài)識(shí)別等模式識(shí)別研究領(lǐng)域得到 快速的發(fā)展。因此，面對(duì)復(fù)雜結(jié)構(gòu)損傷識(shí)別中出現(xiàn)的問(wèn)題以及超聲導(dǎo)波的特殊傳輸特性，如 何將協(xié)同識(shí)別理論引入到其損傷識(shí)別中是值得探索的一條新途徑，并具有重要的學(xué)術(shù)價(jià)值 和實(shí)際意義。
[0005] 目前，國(guó)內(nèi)外學(xué)者已證明了超聲導(dǎo)波結(jié)合協(xié)同學(xué)理論在大型復(fù)雜結(jié)構(gòu)損傷識(shí)別新 領(lǐng)域中的可行性，并在管道損傷識(shí)別中進(jìn)行了初步研究。然而，由于復(fù)雜結(jié)構(gòu)所處的外部復(fù) 雜工作環(huán)境往往存在著較大的噪聲，條件極端化、結(jié)構(gòu)復(fù)雜化都對(duì)超聲導(dǎo)波的檢測(cè)信號(hào)帶 來(lái)極大的干擾。同時(shí)，由于在超聲導(dǎo)波接收信號(hào)中所提取的特征值類與類之間并不存在很 明確的界限，因此往往不可避免地會(huì)出現(xiàn)誤識(shí)別的情況。故此，在初步識(shí)別的基礎(chǔ)上，引入 閉環(huán)反饋機(jī)制以提高修正誤識(shí)別樣本，實(shí)現(xiàn)絞線結(jié)構(gòu)的高精度和高準(zhǔn)確率的損傷識(shí)別，也 是各類復(fù)雜長(zhǎng)狀類結(jié)構(gòu)損傷識(shí)別方法今后非常重要的研究方向。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)與不足，提供一種基于超聲導(dǎo)波的復(fù)雜結(jié) 構(gòu)損傷協(xié)同識(shí)別方法。
[0007] 本發(fā)明的目的通過(guò)下述技術(shù)方案實(shí)現(xiàn)：
[0008] -種基于超聲導(dǎo)波的復(fù)雜結(jié)構(gòu)損傷協(xié)同識(shí)別方法，包括初步識(shí)別機(jī)制和反饋決策 機(jī)制，其中，所述初步識(shí)別機(jī)制采用面向超聲導(dǎo)波特性的特征量提取方法，并建立了損傷協(xié) 同識(shí)別網(wǎng)絡(luò)模型，用于實(shí)現(xiàn)各類復(fù)雜結(jié)構(gòu)損傷類型的初步判別；
[0009] 所述反饋決策機(jī)制采用特征量評(píng)估和原型特征向量重構(gòu)，用于實(shí)現(xiàn)損傷識(shí)別結(jié)果 的優(yōu)化，有效降低了誤識(shí)別率。
[0010] 該基于超聲導(dǎo)波的復(fù)雜結(jié)構(gòu)損傷協(xié)同識(shí)別方法有較強(qiáng)的抗干擾能力，解決了傳統(tǒng) 識(shí)別方法存在的準(zhǔn)確識(shí)別率低、識(shí)別速度較慢等不足。
[0011] 優(yōu)選的，所述初步識(shí)別機(jī)制包括下列步驟：
[0012] S11、在不同結(jié)構(gòu)狀態(tài)下，采集原始超聲導(dǎo)波接收信號(hào)，作為訓(xùn)練樣本信號(hào)；
[0013] S12、對(duì)所述訓(xùn)練樣本信號(hào)進(jìn)行特征量提取，構(gòu)造出屬于不同損傷類型的特征向 量；
[0014] S13、經(jīng)過(guò)零均值和歸一化預(yù)處理過(guò)程，將所述特征向量傳輸至所述損傷協(xié)同識(shí)別 網(wǎng)絡(luò)模型的輸入單元進(jìn)行訓(xùn)練；
[0015] S14、確定訓(xùn)練樣本之后，在外部條件改變情況下，實(shí)時(shí)采集外部被測(cè)信號(hào)樣本；
[0016] S15、對(duì)所述實(shí)時(shí)采集的被測(cè)信號(hào)樣本進(jìn)行特征量提取，并構(gòu)造特征向量作為被測(cè) 樣本，同樣傳輸至所述損傷協(xié)同識(shí)別網(wǎng)絡(luò)模型；
[0017] S16、經(jīng)過(guò)序參量的動(dòng)力演化過(guò)程，所述損傷協(xié)同識(shí)別網(wǎng)絡(luò)模型輸出獲勝的序參 量，上述序參量對(duì)應(yīng)損傷識(shí)別結(jié)果；
[0018] S17、判別所述損傷識(shí)別結(jié)果的正確性，如果正確，則直接輸出。
[0019] 優(yōu)選的，所述反饋決策機(jī)制包括下列步驟：
[0020] S21、如果所述步驟S17中所述損傷識(shí)別結(jié)果錯(cuò)誤，則將所述所述損傷識(shí)別結(jié)果進(jìn) 行特征量評(píng)估，篩除對(duì)損傷分類不敏感的特征量，
[0021] S22、同時(shí)進(jìn)行原型特征向量重構(gòu)，重組優(yōu)化后的特征向量；
[0022] S23、跳轉(zhuǎn)至步驟S13,將上述重組優(yōu)化后的特征向量替換之前的特征向量進(jìn)行重 新識(shí)別，直至所述損傷識(shí)別結(jié)果正確，輸出損傷識(shí)別的結(jié)果為止。
[0023] 優(yōu)選的，所述特征量提取是結(jié)合超聲導(dǎo)波信號(hào)的傳輸特性，采用時(shí)域分析、頻域分 析、小波基分解及EMD分解的"四綜合"分析方法，從超聲導(dǎo)波信號(hào)的時(shí)域、頻域、變換域分 析損傷信號(hào)以獲取相應(yīng)的15類特征量，實(shí)現(xiàn)各類復(fù)雜結(jié)構(gòu)的損傷信息提取過(guò)程，具體包括 下列步驟：
[0024] S31、時(shí)域提?。哼x取超聲導(dǎo)波接收信號(hào)的時(shí)域峰值以及波峰系數(shù)分別作為第一、 第二類的特征量Vl，v 2;選取均方根值和方差作為第三、第四類的特征量V 3, V4;
[0025] S32、頻域提?。簩?duì)超聲導(dǎo)波接收端信號(hào)做頻譜分析，選取頻譜曲線峰值和頻域峰 值系數(shù)作為第五、第六類特征量v5, V6;
[0026] S33、變換域提取：用db8小波基對(duì)接收端信號(hào)做三層小波分解，取小波系數(shù)能量 和小波系數(shù)均方差作為第七至第十四類特征量（V 7-V14);
[0027] S34、采用EMD經(jīng)驗(yàn)?zāi)B(tài)分解方法分解信號(hào)樣本，選取所占總能量比例最大、集中 了信號(hào)最顯著信息的MF能量作為第十五類特征量V 15;
[0028] S34、將上述特征量構(gòu)造出特征向量Wi= (v v2, . . .，v15)。
[0029] 優(yōu)選的，所述特征量評(píng)估具體包括下列步驟：
[0030] S41、確定結(jié)構(gòu)的損傷狀態(tài)數(shù)量S ;
[0031] S42、采集各類損傷狀態(tài)下的超聲導(dǎo)波信號(hào)樣本；
[0032] S43、提取每一組所述超聲導(dǎo)波信號(hào)樣本特征值；
[0033] S44、通過(guò)對(duì)所述超聲導(dǎo)波信號(hào)樣本特征值求平均計(jì)算出同一樣本中的不同損傷 類別下的樣本特征平均距離，首先按照公式（1)計(jì)算出同一個(gè)損傷類別中樣本特征值的平 均值，
[0034]
(1)
[0035] 其中，Tniin(U)表示第η類第u個(gè)樣本中提取出的第m個(gè)特征值，
[0036] 之后，按照公式（2)計(jì)算出不同損傷類別下的樣本特征平均距離，
[0037]
⑵；
[0038] S45、按照公式（3)和公式（4)計(jì)算出不同樣本中的同一特征值在各種損傷狀態(tài)之 間的平均距離，
[0042]
(5)，
[0039] ⑶
[0040] (4);：
[0041] S46、按照公式（5)計(jì)算出損傷特征量的評(píng)估因子：
[0043] 計(jì)算得出的所述評(píng)估因子Fni值越大則表明其所對(duì)應(yīng)的特征值越敏感，即對(duì)復(fù)雜結(jié) 構(gòu)的損傷狀態(tài)可以進(jìn)行更好地分類；
[0044] S47、篩除評(píng)估因子FJ直較小的特征量。
[0045] 優(yōu)選的，所述原型特征向量重構(gòu)具體包括下列步驟：
[0046] S51、確定誤識(shí)別的原型特征向量V1;
[0047] S52、確定修正力度參數(shù)r，其代表原型模式和待識(shí)別向量之間的差異，可通過(guò)實(shí)驗(yàn) 數(shù)據(jù)不斷比較r取值對(duì)結(jié)果的優(yōu)化效果；
[0048] S53、通過(guò)公式（6)對(duì)所述原型特征向量\^進(jìn)行修正重構(gòu)，
[0049] Y1' = V1X (l-r)+