离散小波变换和互相关函数幅值向量在复合材料层合结构损伤检测中的应用

提出一种随机激励下的结构损伤检测方法。首先选取双正交小波函数对结构在随机激励下的时域响应进行一维离散小波变换(discrete wavelet transform,DWT),然后利用重构的包含最低频率信息的近似信号计算互相关函数幅值向量(cross correlation function amplitude vector,CorV)。利用结构损伤前后CorV差的二次差分作为损伤检测的指标。与直接利用振动响应原始信号计算CorV来检测损伤的方法相比,该方法能更准确地进行复合材料层合结构分层损伤定位。通过对带有不同位置分层损伤的复合材料层合板损伤检测的数值仿真,验证用文中方法检测复合材料层合结构分层损伤的有效性。     

相关函数幅值向量及其在结构损伤检测中的应用

提出了互相关函数幅值向量的概念,阐述了形成CorV的基本原理。并且证明了结构在频率成分一定的随机激励下,CorV只与结构的频率响应函数有关,规范化后的CorV具有固定的形状,从而CorV可以看作结构在这种激励下的一种固有特性。因此定义互相关函数幅值向量置信度判据来标定结构CorV的变化,以此来识别结构的损伤。文中还研究了测量噪声对CorV的影响,当信噪比(SNR)或损伤增大到一定的程度时,测量噪声的影响可以忽略。因此用CorV来检测结构损伤具有工程应用上的可行性;同时发现无论有无测量噪声,损伤结构与完好结构CorV之间的CVAC随着损伤程度的增大而单调下降,因此CorV也可用来判定损伤的程度。CorV具有固有振型的特点,但无需进行模态测试,而是直接由结构在随机激励下的时域响应信号获得,因此,基于CorV的结构损伤检测方法为环境激励下的结构损伤检测研究提供了理论基础。     

基于互相关函数幅值向量的结构损伤检测实验研究

进行了基于互相关函数幅值向量(cross correlation function amp litude vector,CorV)的受随机激励结构损伤检测的实验研究。以一个复合材料单跨梁为实验对象,通过在梁的局部位置上安装夹板,改变夹板对结构附加刚度,来模拟结构的损伤。对结构施加随机激励,分别用加速度传感器和应变传感器采集结构的响应信号,计算结构在损伤前后的CorV,使用互相关函数幅值向量置信度准则(cross correlation function amp litude vector assurance criterion,CVAC)来度量结构受损前后CorV的变化。结果表明,结构损伤前后的CorV之间的CVAC较完好结构之间的CVAC有明显下降;分析结构损伤前后CorV中分量的相对变化,可确定损伤产生的区域。使用互相关函数幅值向量,只需要测量结构在随机激励作用下的时域响应信号,就可检测出结构损伤的存在及损伤的位置。因此本文所采用的方法可应用于环境激励下的结构健康监测。     

基于小波神经网络的智能复合材料冲击损伤定位的研究

复合材料的力学性能对冲击损伤极为敏感，为此实现复合材料的智能化，从而在线实时监测复合材料的冲击损伤具有重要的意义。应用小波神经网络对智能复合材料冲击损伤进行了定位研究，并与改进的BP网络进行了对比，结果表明小波网络具有非线性建模逼近能力强、识别精度高和推广能力强等优点。小波神经网络为复合材料的进一步智能化提供了更为先进的信号处理方法。     

二进小波变换在复合材料损伤检测中的应用

二进小波变换在复合材料损伤检测中的应用吴耀军陶宝祺史习智（上海交通大学振动冲击噪声国家重点实验室上海２０００３０）（南京航空航天大学智能材料和结构研究所南京２１００１６）０引言近几年来迅速发展起来的小波分析是进行信号处理的有力工具，局部化和...     

基于HHT对复合材料损伤的定位方法

复合材料在长期使用过程中不可避免地产生损伤,而复合材料在航空航天领域应用越来越多,所以复合材料的损伤检测就显得很重要.本文介绍一种用Iamb波对复合材料进行损伤检测的定位方法,该方法用HHT算法提取损伤特征.利用损伤处能量的衰减的特点,确定损伤位置;最后用实验验证该方法.研究结果表明：本文提出的损伤定位方法能有效地确定出在复合材料中的损伤.     

子波变换在复合材料冲击损伤实时检测中的应用

基于传统信号处理对非平衡信号的局限,分析了子波变换下奇异信号和白噪声在多尺度空间中模极大值传播特性,对复合材料所冲击信号进行处理,提出一种对相似信号进行归类的方法,该方法能实时有效从冲击信号中提取冲击的大小及位置信息,并对复合材料冲击损伤准确定位。     

采样信号时频特性的复合材料损伤检测

一种时频数据处理方法被应用于复合材料损伤检测。根据小波变换的框架重构理论和小波变换时频相空间理论,提取了信号的时频域特征,通过比较原信号的时频空间和小波变换相空间的相同部分,得到了能反映原信号同样时频特征的小波级数展开项和,应用Ｇｒａｍ－ｄｓｃｈｍｉｄｔ正交化方法,按照一定准则,对所得到的小波级数展开项的线性组合进行正交处理,用代数数值方法,从已知采样数据分布集合得到了对应于曲线本身时频特征,经过     

基于Lamb波的复合材料板二维损伤定位技术研究

提出一种检测结构二维损伤十字交叉定位的方法,利用Morlet小波变换技术,研究了复合材料层合板结构的损伤振动检测问题。根据绘制出的频散曲线,选择合适的激励频率和周期。通过传感器采集到的结构动态响应信号,判断Lamb波在无损结构中的飞行时间(ToF)和实际群速度;然后根据损伤飞行时间和Lamb波实际群速度,计算损伤的横纵坐标值,对损伤进行象限判断,消除损伤位置判断误差。结果表明,计算损伤位置和实际损伤位置相对误差在1%左右,该方法得到的位置信息是可靠的。     

碳纤维复合材料层合板损伤的压电阻抗法检测研究

为了验证压电阻抗(Electro-Mechanical impedance,EMI)技术在复合材料结构无损检测中的适用性,搭建损伤检测实验平台,设置不同的工况,测量不同损伤状态下PZT的电导曲线。利用均方根偏差RMSD对电导曲线进行分析,得出了损伤程度、损伤位置与RMSD值之间的关系:损伤程度增大,PZT测得电导曲线的偏移量增大,体现为RMSD值增大;与损伤位置间距越小的PZT测得电导曲线的RMSD值越大。验证了压电阻抗法应用于复合材料结构的适用性,并利用损伤距离与RMSD值之间的关系进行初步定位实验,得到精度较高的定位拟合曲线。     

基于小波包变换的梁体损伤识别

由于小波包变换在分析非平稳信号方面较傅立叶变换更为有效，提出了基于小波包变换的能量变化率指标进行损伤识别的方法。首先，将得到的结构响应信号进行小波包分解，然后通过小波包能量变化率指标来进行损伤定位。通过3种不同损伤工况的梁体室内试验证明．损伤指标可以准确地识别损伤位置。     

核密度估计法在板件概率损伤识别中的应用

基于谱元法将核密度估计方法用于解决结构的损伤识别,从而得到了损伤位置的概率密度函数。通过建立压电-结构耦合的三维谱元法模型,模拟Lamb波在铝板完好及损伤结构中的传播过程。利用连续小波变换计算响应信号在传感器之间的飞行时间,得到Lamb波在结构中的传播速度。通过对Rayleigh-Lamb方程的数值分析,得到Lamb波的理论传播速度,并将其与谱元法得到的结果进行对比,证实了谱元法模型的准确性。在椭圆定位技术的基础上,考虑环境不确定性对测量信号的影响,引入核密度估计方法将损伤位置识别转化为一种概率性问题。讨论了3种噪声水平情况下的损伤位置的概率密度函数,并给出了最终识别的结果。结果表明,核密度估计方法能够有效地识别出损伤位置,最大误差在5%左右。     

复合材料结构损伤识别与健康监测展望

复合材料构件是航空发动机、飞机机翼、机身和风力发电机等结构的重要组成部分,在包括航空、机械和土木工程等领域有极其重要的应用,然而受到其内部结构复杂性和制造缺陷的影响,复合材料的服役性能一直是制约结构安全性和经济性的一大瓶颈,因此针对复合材料结构的损伤识别和健康监测是领域内的研究热点及难点。笔者在论述了目前国内外技术发展和应用的基础上,系统地比较了复合材料结构损伤识别和健康监测的关键技术,讨论了该类技术的发展方向并进行了总结和展望。     

基于支持向量机的张弦梁损伤识别试验

对单榀张弦梁的索力损失和腹杆损伤进行了试验研究.对拉索加载不同程度的预应力来模拟索的预应力损失,利用环境脉动和冲击激励,通过采用Fourier变换或小波变换求得索的频率来计算施加在索上的预应力值.试验结果表明,该方法可以有效地监测索预应力.对张弦梁的上部腹杆进行了环境脉动下的损伤试验,对不同的杆件沿径向进行相应程度的截面切割用以模拟不同程度的损伤状态.对加速度样本进行小波包分解得到特征向量,利用支持向量机对特征向量进行损伤分类,验证了支持向量机方法用于损失识别的有效性.当支持向量机和主成分分析结合后,试验的损伤识别效果有明显的提高.     

基于小波神经网络的RC梁损伤识别试验研究

简要阐述了小波包分析及BP神经网络理论，利用小波包变换对获得的加速度信号进行分解和重构，求解各频带内的信号能量，将其作为神经网络输入参数，对神经网络进行训练，然后利用该网络进行损伤检测。按上述方法，通过有限元分析对RC梁进行损伤模拟，建立了结构损伤识别神经网络。按同样的构造制作了RC试件，并进行了损伤试验研究，对试验中在不同损伤情况下采集的加速度信号进行小波包分解和重构，将得到的能量向量输入已建网络判断结构的损伤。从试验结果可以看出诊断误差很小，能够满足实际工程要求。     

基于提升小波包和神经网络的结构损伤检测

提出一种提升小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法.首先,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量并计算每个频带上的相对能量;然后,把这些传感器信号的小波包相对能量融合作为神经网络分类器的输入特征向量,实现损伤的诊断和评价.数值仿真结果表明,提升小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有较高的精度和可靠性.     

简支梁桥损伤程度识别的模拟和试验

在结合钢桁桥损伤程度识别方法的基础上,提出了适用于简支梁结构的两种损伤程度识别方法:整体振型的相关系数法和保证准则法,将其应用到实验室简支梁结构上分别进行数值模拟和试验。脉冲激励下的结果表明,两种方法能较准确地识别损伤单元的等效损伤程度,具有很强的抗噪能力。最后,探讨了激励对提出方法的影响,为工程应用奠定了基础。     

基于模态局部化和跃迁的网壳结构损伤指标

由于模态局部化和模态跃迁使结构损伤前后的振型产生较大差别,二者间的相关性发生较大程度的弱化,基于这一事实,利用结构的振型相关系数,构造出一种对网壳结构局部损伤具有高敏感性的损伤特征向量。该向量构造简单,仅使用少数振型和少量的测试自由度。通过一个网壳结构的算例分析,对所提出的损伤特征向量的性质进行了检验。结果表明,该向量不仅具有较好的空间可分辨性、损伤敏感性和噪声鲁棒性,并且对结构有限元模型误差具有一定的适应性。