基于小波分析和bp神经网络的复合材料损伤检测方法
【技术领域】
[0001] 本发明设计一种基于小波分析和BP神经网络的复合材料损伤检测方法，属于结 构健康监测中的损伤信号识别处理技术领域。
【背景技术】
[0002] 复合材料具有质量轻、强度高、耐腐蚀等优点，已经广泛于军事、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W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。
[0003] 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Lamb波， 由于Lamb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，运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±才能识别信号，检测不方便。
【发明内容】
[0004] 本发明所需要解决的技术问题是提供一种能够提取复合材料损伤信号，从中获得 材料损伤特征向量的小波包能量谱分析方法，将不同损伤特征向量组成学习样本，进行BP 神经网络学习训练形成具有复合材料损伤模式识别的神经网络，实现损伤识别和定位，W 及损伤程度的判定。
[0005] 为达到W上目的，本发明采用W下技术方案来实现。
[0006] 一种基于小波分析和BP神经网络的复合材料损伤检测方法，包括W下步骤：
[0007]步骤（1)，采集复合材料损伤信号；
[0008]步骤（2)，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，具体包括 W下步骤：
[0009]S201，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化小 波，化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；
[0010]S202,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,基于化4小波进行小波包分析（小波包分析是指用小波包分解分析信号）；
[0011]S203,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Se,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Es,i:
[001引
O)
[0013]其中，i= 0, 1，2, 3.. .31，n为重构系数Ss,i的离散数据序列，Xi,k为重构系数S5,1 的离散的幅值（即每个频带内的能量），为了方便分析求得各频段所占信号总能量的比值 Gs'i:
[0014] (2)。
[0015] 步骤（3):选取BP网络学习样本，并建立损伤识别BP神经网络模型，具体包括W 下步骤，
[0016] 选取小波包的能量谱中最大能量值作为损伤特征向量，提取不同损伤状况的特征 向量组成BP神网络的学习样本；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，即小波包的能量谱中最大能量值作为损伤特征向量。
[0017] 选取含有一个隐含层的S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。
[0018] 步骤（4)，复合材料损伤输出：经过M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。
[0019] 本发明与现有技术相比，具有W下优点和突出性效果：
[0020] 1.本发明基于小波分析和BP神经网络的复合材料损伤检测方法解决了现有技 术中常用单一小波分析损伤信号方法无法同时实现损伤识别、定位W及程度大小判定的问 题，W及单一神经网络分析损伤信号时无法去除提取信号中的噪声问题，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；
[0021] 2.本发明所提出的基于小波分析和BP神经网络结合算法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；
[0022] 3.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。
【附图说明】
[0023]图1为本发明基于小波分析和BP神经网络的复合材料损伤检测方法流程图；
[0024]图2为本发明小波分析所得小波包能量谱图；
[0025] 图3为本发明所构建的BP神经网络模型的训练结果图；
[0026] 图4为构建的BP神经网络的训练测试结果图。
【具体实施方式】
[0027] 下面结合附图对本发明作更进一步的说明。
[0028] 为了研究小波分析与BP神经网络算法结合在复合材料损伤检测的应用，首先进 行复合材料冲击试验，主要研究的是冲击响应分析，在试验系统中当存在外界力或者是力 矩的作用时，系统就会产生响应。根据系统响应的情况可W得出因外界应力场变化而引起 被测物应变量的变化与光纤光栅传感器中屯、波长的变化之间的关系，运样可W利用光纤光 栅传感器采集响应信号。
[0029] 如图1所示，基于小波分析和BP神经网络的复合材料损伤检测方法，包括W下步 骤：
[0030]步骤（1)，采集复合材料损伤信号，基于光纤光栅传感器采集损伤信号；
[0031]步骤（2)，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，具体包括 W下步骤：
[0032]S201，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化小 波，化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；
[0033]S202,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,基于化4小波进行小波分析；
[0034]S203,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Se,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Es,i:
[003引
。》
[003引其中，i= 0, 1，2, 3. . . 31