一种用于客机结构健康监测的信号分析方法及装置制造方法
【专利摘要】本发明涉及结构健康监测和信号处理【技术领域】，尤其涉及一种用于客机结构健康监测的信号分析方法及装置。该方法包括：测量客机结构的监测信号，获得监测信号矩阵；通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵；通过高斯有色噪声向量处理所述白化观测矩阵的高阶累积量，以消除所述白化观测矩阵中高斯有色噪声影响；依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程；通过最小二乘法将所述联合对角化方程的误差转化为二次型方程；采用数值迭代求解所述二次型方程，以获得源信号矩阵。该方法实现了对客机结构健康监测的信号分析，提高了客机结构健康监测的信号分析效率。
【专利说明】一种用于客机结构健康监测的信号分析方法及装置
【技术领域】
[0001]本发明涉及结构健康监测和信号处理【技术领域】，尤其涉及一种用于客机结构健康监测的信号分析方法及装置。
【背景技术】
[0002]随着航空科学技术的飞速发展，轻质、高可靠性和高可维护性等综合要求已成为飞机结构设计的一项极为重要而且必须遵循的安全准则。目前，新材料和新工艺被不断应用于飞机结构设计，例如，复合材料、铝锂合金等新材料，搅拌摩擦焊接和激光堆积成型等新工艺广泛应用于C919大型客机的结构设计，使得大型客机的结构在受到化学腐蚀、应力作用、撞击以及热疲劳等因素影响时，表面或内部有可能产生大量局部损伤及微裂纹。因此，对飞机结构进行健康监测是十分必要的。由于使用目的和使用环境不同等，客机和军用飞机的结构设计不同，因此，客机结构的健康监测方法和军用飞机结构的健康监测方法不同。如何对客机的结构工况进行有效监控，及时检测出这些局部结构损伤，进而采取相应的补救措施正变得越来越重要。
[0003]现有的飞机结构健康监测技术多基于军用飞机，健康监测时一般采用多个传感器来获取监测信号，监测信号通常除了有用的源信号数据外，还包括噪声等干扰信号。对飞机结构健康监测和诊断过程中的关键问题是如何从大量的监测信号中滤掉无用的噪声干扰，提取有用的信号特征。由于盲源分离技术能在未知信号详细特征的情况下仅根据信号的统计特征恢复源信号，可以用来消除噪声干扰，将有用的信号分离出来，因此，盲源分离技术已经应用于军用飞机的结构健康监测。
[0004]伴随着我国民用大型客机的项目研制和发展进程，飞机结构健康监测技术将逐步应用于国产大客机系列，而随之而来的结构健康监测信号干扰问题也会越来越频繁。因此，基于盲源分离技术，发展一种实用且高效的方法来消除客机结构健康监测中的干扰信号是非常有必要的，对保证客机飞行安全具有重要的理论意义和实际应用价值。
【发明内容】
[0005]本发明提供一种用于客机结构健康监测的信号分析方法及装置，以在对客机结构健康监测过程中高效实现源信号和噪声干扰信号的分离。
[0006]本发明提出一种用于客机结构健康监测的信号分析方法，包括:
[0007]测量客机结构的监测信号，获得监测信号矩阵；
[0008]通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵；
[0009]通过高斯有色噪声向量处理所述白化观测矩阵的高阶累积量，以消除所述白化观测矩阵中高斯有色噪声影响；
[0010]依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程；
[0011]通过最小二乘法将所述联合对角化方程转化为二次型方程；
[0012]采用数值迭代求解所述二次型方程，以获得源信号矩阵。
[0013]本发明还提出一种用于客机结构健康监测的信号分析装置，包括:
[0014]信号测量模块，用于测量客机结构的监测信号，获得监测信号矩阵；
[0015]白化处理模块，用于通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵；
[0016]噪声消除模块，用于通过高斯有色噪声向量处理所述白化观测矩阵的高阶累积量，以消除所述白化观测矩阵中高斯有色噪声影响；
[0017]方程构建模块，用于依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程；
[0018]方程变型模块，用于通过最小二乘法将所述联合对角化方程的误差转化为二次型方程；
[0019]源信号求解模块，用于采用数值迭代求解所述二次型方程，以获得源信号矩阵。
[0020]本发明提出一种用于客机结构健康监测的信号分析方法及装置，实现了对客机结构健康检测信号的分析。本发明通过白化预处理将所述监测信号矩阵线性变换为白化观测矩阵，构建多个矩阵的联合对角化方程，并且采用最小二乘法将所述联合对角化方程转化为二次型方程，降低了信号分析的难度，提高了计算出源信号矩阵的效率，从而提高客机结构监控监测的信号分析效率。
【专利附图】
【附图说明】
[0021]此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，并不构成对本发明的限定。在附图中:
[0022]图1是本发明实施例中提供的一种用于客机结构健康监测的信号分析方法的实现流程图；
[0023]图2是本发明实施例中盲源分离机理及最小二乘联合对角化方法示意图；
[0024]图3是本发明实施例中提供的一种用于客机结构健康监测的信号分析装置的结构示意图。
【具体实施方式】
[0025]下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
[0026]图1是本发明实施例中提供的一种用于客机结构健康监测的信号分析方法的实现流程图，如图1所示，本发明实施例中的信号分析方法包括:
[0027]步骤11、测量客机结构的监测信号，获得监测信号矩阵。客机结构健康监测时，客机结构内部设置有多个传感器，通过传感器测量客机结构的监测信号，各个监测信号构成监测信号矩阵。例如，客机结构内部设置有m个传感器，则能够测量m个监测信号，m个监测信号构成mX I的监测信号矩阵。
[0028]所述监测信号矩阵x(t)为:x(t)=六8(0+11(0，其中^(0是m个监测信号构成的矩阵，s(t)为源信号矩阵，其对应的向量为η维未知源信号向量，n(t)为噪声信号矩阵，A为未知的混合矩阵。在求解源信号过程中的约束条件如下:混合矩阵A为列满秩矩阵；源信号矩阵s(t)对应的源信号向量是零均值的平稳随机向量过程，各个向量之间相互统计独立；噪声向量n(t)对应的噪声向量为零均值的随机向量，并且与源信号向量相互统计独立。
[0029]步骤12、通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵。
[0030]通过对所述监测信号矩阵白化处理以简化求解过程，其中所述通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵，包括:计算所述监测信号矩阵x(t)的相关矩阵Rx(t);通过白化处理计算所述相关矩阵Rx(t)的白化矩阵W ;利用所述白化矩阵W将所述监测信号矩阵x(t)线性变换为白化观测矩阵z(t)。其中，通过白化处理计算所述相关矩阵Rx(t)的白化矩阵W，具体为:通过对相关矩阵Rx(t)进行特征值分解求得所述相关矩阵的特征值向量矩阵和特征值矩阵，从而计算出白化矩阵W。由于相关矩阵Rx(t)和混合矩阵A具有关系:Rx(t)?AAt，其中上标T表示转置，使得WRx(t)W = WAAtW = In, In为η维单元矩阵，故U = WA为酉矩阵。依据如下公式采用白化矩阵W对监测信号矩阵x(t)线性变换:
[0031]z (t) = Wx (t) = W (As (t) +n (t)) = Us (t) +Wn (t)
[0032]通过白化预处理过程把求解混合矩阵A的任务转化为求解酉矩阵U，降低了求解难度，且使得白化观测矩阵z (t)对应的向量的各个分量之间尽量保持二阶统计独立，并且z(t)对应的向量的各个分量之间方差为I。
[0033]步骤13、通过高斯有色噪声向量处理所述白化观测矩阵的高阶累积量，以消除所述白化观测矩阵中高斯有色噪声影响。噪声矩阵n(t)对应的向量为高斯有色噪声向量，通过高斯有色噪声向量处理能够有效消除所述白化观测矩阵中高斯有色噪声影响，使得消除噪声影响后的白化观测矩阵只与源信号矩阵s (t)和酉矩阵U有关，因此只需求得酉矩阵U即可求解源信号矩阵s (t)。
[0034]步骤14、依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程。
[0035]所述依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程，包括:分别计算消除高斯有色噪声影响后的所述白化观察矩阵的每个高阶累积量矩阵；依据所述每个高阶累积量矩阵分别构建对角化方程，以形成联合对角化方程。计算所述每个高阶累积量矩阵时，每个高阶累积量矩阵c(i，j)的第(k，I)个元素定义为:
[0036]Ckl(i,j) =CUID [Zi (t), Z丨⑴,Z1JtXZ1H
[0037]其中，Zi(t)和zk(t)分别为白化观测矩阵z(t)的第i个和第k个元素，上标*代表复数共轭，即Zf Ct)和Iz1It)分别为白化观测矩阵Z (t)的第j个和第I个元素的复数共轭。根据(i，j)的组合变换，可以得到一系列高阶累积量矩阵c(i，j)；
[0038]针对每一个高阶累积量矩阵C(i，j)分别构建对角化方程，以形成联合对角化方程=Ci = UDiU^联合对角化方程中Di为第i个对角矩阵。
[0039]步骤15、通过最小二乘法将所述联合对角化方程转化为二次型方程。
[0040]在对角矩阵Di未知的情况下，依据联合对角化方程求解酉矩阵U，具体包括:采用最小二乘法计算所述联合对角化方程的误差；对所述误差进行数学变换，以将所述联合对角化方程的误差转化为二次型方程
[0041]其中，依据如下公式采用最小二乘法计算所述联合对角化方程的误差:
【权利要求】
1.一种用于客机结构健康监测的信号分析方法，其特征在于，包括: 测量客机结构的监测信号，获得监测信号矩阵； 通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵； 通过高斯有色噪声向量处理所述白化观测矩阵的高阶累积量，以消除所述白化观测矩阵中高斯有色噪声影响； 依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程； 通过最小二乘法将所述联合对角化方程的误差转化为二次型方程； 采用数值迭代求解所述二次型方程，以获得源信号矩阵。
2.根据权利要求1所述的方法，其特征在于，所述通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵，包括: 计算所述监测信号矩阵的相关矩阵； 通过白化处理计算所述相关矩阵的白化矩阵； 利用所述白化矩阵将所述监测信号矩阵线性变换为白化观测矩阵。
3.根据权利要求1所述的方法，其特征在于，所述依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程，包括: 分别计算消除高斯有色噪声影响后的所述白化观察矩阵的每个高阶累积量矩阵； 依据所述每个高阶累积量矩阵分别构建对角化方程，以形成联合对角化方程。
4.根据权利要求1所述的方法，其特征在于，所述通过最小二乘法将所述联合对角化方程转化为二次型方程，包括: 采用最小二乘法计算所述联合对角化方程的误差； 对所述误差进行数学变换，以将所述联合对角化方程的误差转化为二次型方程。
5.根据权利要求4所述的方法，其特征在于，所述采用最小二乘法计算所述联合对角化方程的误差，包括: 按照如下公式采用最小二乘法计算所述联合对角化方程的误差值:
，其中Ci为第i个高阶累积量矩阵，U为酉矩阵，Di为第i个对角矩阵，F为弗罗宾尼斯范数，K为高阶累积量矩阵的个数，上标T为转置。
6.一种用于客机结构健康监测的信号分析装置，其特征在于，包括: 信号测量模块，用于测量客机结构的监测信号，获得监测信号矩阵； 白化处理模块，用于通过白化处理将所述监测信号矩阵线性变换为白化观测矩阵；噪声消除模块，用于通过高斯有色噪声向量处理所述白化观测矩阵的高阶累积量，以消除所述白化观测矩阵中高斯有色噪声影响； 方程构建模块，用于依据消除高斯有色噪声影响后的所述白化观测矩阵的高阶累积量矩阵，构建联合对角化方程； 方程变型模块，用于通过最小二乘法将所述联合对角化方程的误差转化为二次型方程;源信号求解模块，用于采用数值迭代求解所述二次型方程，以获得源信号矩阵。
7.根据权利要求6所述的装置，其特征在于，所述白化处理模块具体包括: 相关矩阵计算模块，用于计算所述监测信号矩阵的相关矩阵； 白化矩阵计算模块，用于通过白化处理计算所述相关矩阵的白化矩阵； 白化观测矩阵计算模块，用于利用所述白化矩阵将所述监测信号矩阵线性变换为白化观测矩阵。
8.根据权利要求6所述的装置，其特征在于，所述方程构建模块具体包括: 高阶累积量计算模块，用于分别计算消除高斯有色噪声影响后的所述白化观察矩阵的每个高阶累积量矩阵； 对角化方程构建模块，用于依据所述每个高阶累积量矩阵分别构建对角化方程，以形成联合对角化方程。
9.根据权利要求6所述的装置，其特征在于，所述方程变型模块具体包括: 最小二乘法计算模块，用于采用最小二乘法计算所述联合对角化方程的误差； 二次型方程获取模块，用于对所述误差进行数学变换，以将所述联合对角化方程的误差转化为二次型方程。
10.根据权利要求9所述的装置，其特征在于，所述最小二乘法计算模块，具体包括: 误差计算模块，用于按照如下公式采用最小二乘法计算所述联合对角化方程的误差值:
，其中Ci为第i个高阶累积量矩阵，U为酉矩阵，Di为第i个对角矩阵，F为弗罗宾尼斯范数，K为高阶累积量矩阵的个数，上标T为转置。
【文档编号】G06F19/00GK104180846SQ201410162965
【公开日】2014年12月3日 申请日期:2014年4月22日 优先权日:2014年4月22日
【发明者】汪峰, 冯建文, 张驰, 吴斌, 许澍虹 申请人:中国商用飞机有限责任公司北京民用飞机技术研究中心, 中国商用飞机有限责任公司