基于子区域的损伤概率成像定位方法与流程

文档序号:12113105阅读:来源:国知局

技术特征:

1.一种基于子区域的损伤概率成像定位方法,其特征在于:

该方法包括以下步骤:

步骤一:将监测区域划分为一个个矩形子区域,在每一个矩形子区域的四个顶点各布置一个压电传感器;

步骤二:计算各子区域中一条对角线的损伤因子;

步骤三:判断损伤子区域;

步骤四:损伤概率成像定位,即计算损伤子区域中每一个像素点的损伤概率,实现结构的损伤概率成像;使用概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标;根据损伤子区域编号和结构损伤在损伤子区域中的位置合成计算出结构损伤发生的位置坐标。

2.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:

所述步骤一具体为,根据结构监测的任务需求,将监测区域划分为M个矩形子区域,矩形子区域的四个顶点各布置一个压电传感器,整个监测区域共计布置N个压电传感器,N个压电传感器依次编号为1、2、…、n、…、N。

3.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:

所述步骤二具体为,

①在结构处于健康状态下,采集各子区域中各激励-传感通道的Lamb波响应信号,作为结构的健康基准信号Hi-j(t);

其中,i为激励压电传感器的编号,i∈[1,N];j为传感压电传感器的编号,j∈[1,N],i≠j;t为采样时间;

②当结构发生损伤之后,各子区域中一条对角线中的激励压电传感器再次激发出主动Lamb波,对角线中的传感压电传感器在线采集结构的Lamb波响应信号,作为结构的在线监测信号Di-j(t);

其中,i为激励压电传感器的编号,i∈[1,N];j为传感压电传感器的编号,j∈[1,N],i≠j;t为采样时间;

③使用公式(1)计算i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子:

<mrow> <msub> <mi>DI</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&Integral;</mo> <mo>|</mo> <msub> <mi>D</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>H</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>|</mo> <mi>d</mi> <mi>t</mi> </mrow> <mrow> <mo>&Integral;</mo> <mo>|</mo> <msub> <mi>H</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>|</mo> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>,</mo> <mi>i</mi> <mo>&Element;</mo> <mo>&lsqb;</mo> <mn>1</mn> <mo>,</mo> <mi>N</mi> <mo>&rsqb;</mo> <mo>,</mo> <mi>j</mi> <mo>&Element;</mo> <mo>&lsqb;</mo> <mn>1</mn> <mo>,</mo> <mi>N</mi> <mo>&rsqb;</mo> <mo>,</mo> <mi>i</mi> <mo>&NotEqual;</mo> <mi>j</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

式中:DIi-j为i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子;Di-j(t)为i号压电传感器激励时,j号压电传感器的在线监测信号;Hi-j(t)为i号压电传感器激励时,j号压电传感器的健康基准信号;i为激励压电传感器的编号;j为传感压电传感器的编号;t为采样时间。

4.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:

所述步骤三具体为,

①使用公式(2)计算所有子区域中一条对角线的损伤因子的平均值DIaverage

<mrow> <msub> <mi>DI</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>e</mi> <mi>r</mi> <mi>a</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>M</mi> </mfrac> <msub> <mi>&Sigma;DI</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

②挑选出对角线损伤因子大于所有子区域损伤因子平均值的子区域,作为疑似损伤子区域;

③如果疑似损伤子区域为一个,则判断该疑似损伤子区域即为损伤子区域;

④如果疑似损伤子区域为多个,则继续计算疑似损伤子区域中另一条对角线的损伤因子;

⑤计算疑似损伤子区域中两条对角线损伤因子的平均值;

⑥两条对角线损伤因子的平均值最大的疑似损伤子区域即为损伤子区域。

5.根据权利要求1所述的基于子区域的损伤概率成像定位方法,其特征在于:

所述步骤四具体为,

①计算损伤子区域中全部激励-传感通道上的损伤因子;

②根据结构监测的任务需求,将监测区域划分为一个个的像素点,使用公式(3)计算损伤子区域中每一个像素点的损伤概率:

<mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mo>&Sigma;</mo> <mi>i</mi> </munder> <munder> <mo>&Sigma;</mo> <mi>j</mi> </munder> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mo>&Sigma;</mo> <mi>i</mi> </munder> <munder> <mo>&Sigma;</mo> <mi>j</mi> </munder> <msub> <mi>DI</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mo>&lsqb;</mo> <mfrac> <mrow> <mi>B</mi> <mo>-</mo> <msubsup> <mi>R</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> <mo>&prime;</mo> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>B</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> <mo>&rsqb;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

式中:

<mrow> <msubsup> <mi>R</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> <mo>&prime;</mo> </msubsup> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <mi>B</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>B</mi> <mo>,</mo> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>&GreaterEqual;</mo> <mi>B</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mo>-</mo> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>+</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>

P(x,y)为像素点(x,y)的损伤概率;Pi-j(x,y)为像素点(x,y)在i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤概率;DIi-j为i号压电传感器激励,j号压电传感器传感时组成的激励-传感通道上的损伤因子;B为尺寸参数,它控制着激励-传感直达路径上损伤因子影响区域的大小,B>1;Ri-j(x,y)为像素点(x,y)到i号压电传感器与j号压电传感器的距离之和与激励-传感直达路径距离的比值;R’i-j(x,y)为与尺寸参数B比较后的距离比值Ri-j(x,y);(xi,yi)为i号压电传感器的坐标;(xj,yj)为j号压电传感器的坐标;(x,y)为像素点的坐标;

③对损伤子区域中所有像素点的损伤概率进行成像,得到损伤子区域的结构损伤概率图像;

④使用公式(6)的概率坐标加权算法计算出结构损伤在损伤子区域中的位置坐标(x’D,y’D):

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>x</mi> <mi>D</mi> <mo>&prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&CenterDot;</mo> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>y</mi> <mi>D</mi> <mo>&prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>&CenterDot;</mo> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>

式中:(x’D,y’D)为计算出的结构损伤在损伤子区域中的位置坐标;xi为结构损伤概率图像中坐标为(xi,yj)处的x轴坐标;yj为结构损伤概率图像中坐标为(xi,yj)处的y轴坐标;p(xi,yj)为结构损伤概率图像中坐标为(xi,yj)处的损伤概率;M为损伤子区域的x轴坐标的长度;N为损伤子区域的y轴坐标的长度;

⑤根据步骤三判别出的损伤子区域编号,以及概率坐标加权算法计算出的结构损伤在损伤子区域中的位置坐标(x’D,y’D),合成计算出结构损伤发生的位置坐标(xD,yD)。

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1