航空结构损伤的Lamb波时变概率模型监测方法
【专利摘要】本发明公开了航空结构损伤的Lamb波时变概率模型监测方法。首先在结构处于健康状态时，提取Lamb波监测信号变化特征，建立信号特征样本集，并采用高斯混合模型建立基准Lamb波时变概率模型；然后在损伤在线监测的过程中，在线获取Lamb波监测信号的变化特征，更新信号特征样本集，更新在线监测Lamb波时变概率模型；最后通过判断基准Lamb波时变概率模型和在线监测Lamb波时变概率模型之间的差别及其变化趋势实现损伤评估。本发明将Lamb波损伤监测技术与概率混合模型相结合，并引入样本集和模型的在线更新机制，实现时变因素影响下损伤的有效判别及损伤扩展的监测，提高时变服役环境下航空结构损伤监测的可靠性。
【专利说明】航空结构损伤的Lamb波时变概率模型监测方法
【技术领域】
[0001] 本发明属于航空结构健康监测【技术领域】，特别涉及了航空结构损伤的Lamb波时 变概率模型监测方法。
【背景技术】
[0002] 飞行器预测与健康管理技术不仅能够保障飞行器的安全服役、预防重大事故发 生，还能够实现飞行器视情维护，大幅降低维护费用，因此，该技术已成为先进飞行器实现 其自主保障的核心技术。航空结构健康监测技术是其重要组成部分。经过近二十年的发展， 航空结构健康监测技术正在逐步从基础理论研究发展到面向工程的应用。我国正在发展的 诸多先进飞行器的安全性和可维护性以及在役飞行器的延寿等都迫切需要航空结构健康 监测技术的工程应用加以保障。
[0003] 然而，真实航空结构的服役环境十分复杂，存在多种不确定性时变因素，例如，随 时间变化的温度环境及随机温度突变，结构随机振动和过载，结构边界条件的不确定性变 化等。这些时变因素能够对结构损伤的监测产生很大的不确定性影响，从传感器监测信号 中提取的信号特征几乎都会被这些时变因素所影响，产生不确定性的变化，而结构损伤引 起的信号特征变化往往淹没在时变因素的影响中，从而使得损伤的可靠监测变得非常困 难。
[0004] 在现有的航空结构健康监测方法中，基于主动Lamb波和压电传感器阵列的结构 损伤监测技术因其具有损伤灵敏度高、监测范围大等特点，一直是国内外很多研究机构和 学者的研究重点，已有大量文献报道了相关方法的研究和应用进展。其基本工作原理如下： 首先在结构处于健康状态下获取基准Lamb波信号（简称基准信号），然后在损伤监测过程 中在线获取Lamb波信号（简称监测信号），最后通过监测信号与基准信号的时域、频域、时 频域或空间域等特征的差别进行损伤评估。但是，时变因素能够导致基准信号和监测信号 产生较大的不确定变化，从而很难判别这些信号特征的变化是否是由于损伤引起的，因此 损伤的准确监测难度高，监测可靠性差。
[0005] 近年来，许多学者提出了诸如环境温度补偿方法，统计模式分类方法，无基准或瞬 时基准方法来研究这一问题，但是这些方法还存在各自的局限，不能很好解决时变服役环 境下航空结构损伤的可靠监测问题。该问题至今仍然是航空结构健康监测技术应用于真实 飞行器结构的难点问题之一。
[0006] 概率统计模型方法是一类有效的处理不确性问题的方法。在现有的概率统计模型 中，混合概率模型能够在没有先验知识的情况下，基于无监督的学习方法，逼近不确定性对 象的真实概率分布。高斯混合模型是其中的一种典型的混合概率模型，其在图像处理、移动 物体跟踪、声音信号处理领域得到了研究和应用。近年来，有些学者逐渐将混合概率模型引 入到机械故障诊断【技术领域】开展研究。研究表明，混合概率模型因其建模所需参数少，具 有较高的计算效率并且可以与多种信号处理方法结合使用，适用于机械系统的在线故障诊 断。然而，在航空结构健康监测【技术领域】，有关混合概率模型的研究还很少，特别是将主动 Lamb波损伤监测技术和混合概率模型相结合的方法还鲜有报道。
[0007] 本发明正是在上述背景下，提出的一种航空结构损伤的Lamb波时变概率模型监 测方法，可以有效提高时变服役环境下航空结构损伤监测的可靠性。
【发明内容】
[0008] 为了解决上述【背景技术】存在的问题，本发明旨在提供航空结构损伤的Lamb波时 变概率模型监测方法，从而有效提高时变服役环境下航空结构损伤监测的可靠性。
[0009] 为了实现上述技术目的，本发明的技术方案为：
[0010] 航空结构损伤的Lamb波时变概率模型监测方法，该方法包括建立基准Lamb波时 变概率模型和在线监测结构损伤两部分，
[0011] 所述建立基准Lamb波时变概率模型包括以下步骤：
[0012] (1)在航空结构处于健康状态并且受到时变因素影响的情况下，连续采集Lamb波 监测信号；
[0013] (2)采用两种幅值无关的Lamb波损伤因子和两种相位无关的Lamb波损伤因子提 取Lamb波监测信号在时变因素影响下的信号变化特征，然后采用主元分析方法得到主元 投影矩阵，利用主元投影矩阵对信号变化特征进行降维处理，得到二维信号特征，这些二维 信号特征组成基准信号特征样本集；
[0014] (3)根据基准信号特征样本集，采用高斯混合模型和期望最大化算法建立基准 Lamb波时变概率模型；
[0015] 所述在线监测结构损伤包括以下步骤：
[0016](a)在结构损伤在线监测过程中，且受到时变因素影响的情况下，采集一次Lamb 波监测信号；
[0017] (b)采用两种幅值无关的Lamb波损伤因子和两种相位无关的Lamb波损伤因子提 取Lamb波监测信号在时变因素影响下的信号变化特征，采用步骤（2)中的主元投影矩阵对 信号变化特征进行降维处理，得到在线监测信号的二维信号特征向量；
[0018] (c)根据在线监测信号的二维信号特征向量，更新基准信号特征样本集作为监测 信号特征样本集，更新方法采用滑动更新的方法，即去除基准信号特征样本集中的第一个 样本，并将步骤（b)得到的二维信号特征向量添加到基准信号特征样本集中作为最后一个 样本；
[0019] ⑷根据得到的监测信号特征样本集，更新在线监测Lamb波时变概率模型，更新 方法为基于内部混合结构重构的高斯混合模型更新方法；
[0020] (e)计算基准Lamb波时变概率模型和在线监测Lamb波时变概率模型的差别得到 结构损伤指数；
[0021] (f)通过结构损伤指数的变化趋势，判别结构损伤的发生和扩展，然后转回步骤 (a)执行下一次结构损伤在线监测过程。
[0022] 上述两种幅值无关的Lamb波损伤因子和两种相位无关的Lamb波损伤因子的计算 方法如下：
[0023] 首先，设在步骤（1)中采集了 1(次Lamb波监测信号叫⑴，--?，!％(!:)，其 中r= 1，2,…，K。计算这些Lamb波监测信号的均值信号作为基准信号b(t)，计算方法如 式⑴所示：
【权利要求】
1. 航空结构损伤的Lamb波时变概率模型监测方法，其特征在于：该方法包括建立基准 Lamb波时变概率模型和在线监测结构损伤两部分， 所述建立基准Lamb波时变概率模型包括以下步骤： (1) 在航空结构处于健康状态并且受到时变因素影响的情况下，连续采集Lamb波监测 信号； (2) 分别采用两种幅值无关的Lamb波损伤因子和两种相位无关的Lamb波损伤因子提 取Lamb波监测信号在时变因素影响下的信号变化特征，然后采用主元分析方法得到主元 投影矩阵，利用主元投影矩阵对信号变化特征进行降维处理，得到二维信号特征，这些二维 信号特征组成基准信号特征样本集； (3) 根据基准信号特征样本集，采用高斯混合模型和期望最大化算法建立基准Lamb波 时变概率模型； 所述在线监测结构损伤包括以下步骤： (a) 在结构损伤在线监测过程中，且受到时变因素影响的情况下，采集一次Lamb波监 测信号； (b) 采用两种幅值无关的Lamb波损伤因子和两种相位无关的Lamb波损伤因子提取 Lamb波监测信号在时变因素影响下的信号变化特征，采用步骤（2)中的主元投影矩阵对信 号变化特征进行降维处理，得到在线监测信号的二维信号特征向量； (c) 根据在线监测信号的二维信号特征向量，更新基准信号特征样本集作为监测信号 特征样本集，更新方法采用滑动更新的方法，即去除基准信号特征样本集中的第一个样本， 并将步骤（b)得到的二维信号特征向量添加到基准信号特征样本集中作为最后一个样本； (d) 根据得到的监测信号特征样本集，更新在线监测Lamb波时变概率模型，更新方法 为基于内部混合结构重构的高斯混合模型更新方法； (e) 计算基准Lamb波时变概率模型和在线监测Lamb波时变概率模型的差别得到结构 损伤指数； (f) 通过结构损伤指数的变化趋势，判别结构损伤的发生和扩展，然后转回步骤（a)执 行下一次结构损伤在线监测过程。
2. 根据权利要求1所述的航空结构损伤的Lamb波时变概率模型监测方法，其特征在 于，所述两种幅值无关的Lamb波损伤因子的计算方法如下：首先，设在步骤（1)中采集了 K 次Lamb波监测信号In1 (t)，…，mr (t)，…，mK(t)，其中r = 1，2,…，K。计算这些Lamb波监测 信号的均值信号作为基准信号b (t)，计算方法如下：
根据基准信号，两种幅值无关的Lamb波损伤因子的计算方法如下： 第一种幅值无关的Lamb波损伤因子：时域互相关损伤因子，如下式所示，
其中，h和ti分别为信号采集的起始时间和终止时间，COtl和《 i分别为信号频谱的起 始频率和终止频率，IIb和分别是基准信号和Lamb波监测信号的均值，〇)3和分别 是基准信号和Lamb波监测信号的方差； 第二种幅值无关的Lamb波损伤因子：空间相位差损伤因子，如下式所示，
3. 根据权利要求2所述的航空结构损伤的Lamb波时变概率模型监测方法，其特征在 于，所述两种相位无关的Lamb波损伤因子的计算方法如下： 第一种相位无关的Lamb波损伤因子：频谱幅度差损伤因子，如下式所示，
第二种相位无关的Lamb波损伤因子：频谱互相关损伤因子，如下式所示，
4. 根据权利要求1所述的航空结构损伤的Lamb波时变概率模型监测方法，其特征在 于，步骤（d)中基于内部混合结构重构的高斯混合模型更新方法如下：设上一次结构损伤 在线监测过程中更新得到的在线监测Lamb波时变概率模型为〇 (n-1)，其均值向量、协方 差矩阵和混合权值分别为U (n-1)、2 (n-1)、w(n-l)，n为n彡1的正整数，n表示结构损伤 在线监测的执行次数，而〇 (0)为基准Lamb波时变概率模型；根据监测信号特征样本集，采 用期望最大化算法重构在线监测Lamb波时变概率模型的内部混合结构，并将其作为更新 后的在线监测Lamb波时变概率模型O (n)，将O (n-1)中各高斯分量的均值向量y Jn-I)、 协方差矩阵Si(I1-I)和混合权值Wi (n-l)作为期望最大化算法的初始值，更新后的在线监 测Lamb波时变概率模型O (n)的各高斯分量的均值向量、协方差矩阵和混合权值表示为 ii i (n)，2 i (n)和 Wi (n)。
5. 根据权利要求4所述的航空结构损伤的Lamb波时变概率模型监测方法，其特征在 于，步骤（e)中结构损伤指数的计算方法如下：
其中，tr表示矩阵求迹，det表示矩阵行列式的值，T为矩阵的转置。
【文档编号】G01N29/04GK104330471SQ201410529825
【公开日】2015年2月4日 申请日期:2014年10月9日 优先权日:2014年10月9日
【发明者】袁慎芳, 邱雷, 鲍峤, 梅寒飞 申请人:南京航空航天大学