详情

原文传递一种基于Lamb波的多特征参数损伤程度评估方法

专利名称：	一种基于Lamb波的多特征参数损伤程度评估方法
摘要：	本发明公开了损伤检测技术领域的一种基于Lamb波的多特征参数损伤程度评估方法，旨在解决现有技术中采用手持设备人工检测结构损伤效率不高、时效性不强，采用高灵敏度超声检测设备进行检测成本过于高昂的技术问题。所述方法包括如下步骤：采集获取待检测结构不同损伤程度的Lamb波结构响应信号；提取Lamb波结构响应信号的特征参数；从Lamb波结构响应信号中提取训练样本集和测试样本集；基于遗传‑BP神经网络建立损伤评估模型；利用训练样本集中Lamb波结构响应信号的特征参数对损伤评估模型进行训练；将测试样本集中Lamb波结构响应信号的特征参数输入训练好的损伤评估模型，根据模型输出值评估结构损伤程度。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京邮电大学
发明人：	王强;孙大彪;薛新宇
专利状态：	有效
申请日期：	2019-06-19T00:00:00+0800
发布日期：	2019-09-06T00:00:00+0800
申请号：	CN201910530070.0
公开号：	CN110208377A
代理机构：	南京纵横知识产权代理有限公司
代理人：	董建林
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	210003 江苏省南京市鼓楼区新模范马路66号
主权项：	1.一种基于Lamb波的多特征参数损伤程度评估方法，其特征是，包括如下步骤：采集获取待检测结构不同损伤程度的Lamb波结构响应信号；提取Lamb波结构响应信号的特征参数；从Lamb波结构响应信号中提取训练样本集和测试样本集；基于遗传-BP神经网络建立损伤评估模型；利用训练样本集中Lamb波结构响应信号的特征参数对损伤评估模型进行训练；将测试样本集中Lamb波结构响应信号的特征参数输入训练好的损伤评估模型，根据模型输出值评估结构损伤程度。 2.根据权利要求1所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，采集获取待检测结构不同损伤程度的Lamb波结构响应信号，包括：根据待检测结构区域大小，布设若干组压电片，构成激励/传感阵列；上位机调制Lamb波激励信号，经功率放大器放大后作用于压电片，所述Lamb波激励信号包括5波峰Lamb波激励信号；电荷放大器对压电片采集的Lamb波结构响应信号进行放大；上位机采集放大后的Lamb波结构响应信号。 3.根据权利要求1所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，提取Lamb波结构响应信号的特征参数，包括：利用小波包变换对Lamb波结构响应信号进行分解，获取基于Lamb波结构响应信号的小波包树结构；提取小波包树结构每个节点上的特征参数，所述特征参数包括：时域波形特征Bx、峰值特征信息Bf、能量频域分布Ef、能量百分比E。 4.根据权利要求3所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，利用小波包变换对Lamb波结构响应信号进行分解，包括：选取与Lamb波波形一致的小波基函数对Lamb波结构响应信号进行分解。 5.根据权利要求3所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，利用小波包变换对Lamb波结构响应信号进行分解，包括：根据采集Lamb波结构响应信号所设置的采样点数，选取小波包树的分解层数；按分解层数分解Lamb波结构响应信号，获取小波包树的时间频率图和小波包树每个节点的小波包系数图。 6.根据权利要求5所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，时域波形特征Bx，包括如下计算公式：式中，Bx(l,j)为第l层第j个节点的时域波形特征，为小波包树结构第l层上第j个节点的小波包系数，N为小波包系数的长度；峰值特征信息Bf，包括如下计算公式：式中，Bf(l,j)为第l层第j个节点的峰值特征信息；能量频域分布Ef，包括如下计算公式：式中，Ef(l,j)为第l层第j个节点的能量频域分布；能量百分比E，包括如下计算公式：式中，E(l,j)为第l层第j个节点的信号频域能量占l层信号频域总能量的百分比。 7.根据权利要求1所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，从Lamb波结构响应信号中提取训练样本集和测试样本集，包括：对Lamb波结构响应信号的特征参数进行归一化处理；从归一化处理后的Lamb波结构响应信号中提取训练样本集和测试样本集；训练样本集与测试样本集中Lamb波结构响应信号数量的比值的取值范围是[4，9]。 8.根据权利要求1所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，基于遗传-BP神经网络建立损伤评估模型，包括：根据结构不同损伤程度的数量，确定网络输出层的节点数；根据提取特征参数的数量，确定网络输入层的节点数；将输入层和输出层的节点数代入预设公式，计算获取网络隐含层的节点数；根据网络输出层、输入层和隐含层的节点数，确定损伤评估模型的拓扑结构。 9.根据权利要求1所述的基于Lamb波的多特征参数损伤程度评估方法，其特征是，利用训练样本集中Lamb波结构响应信号的特征参数对损伤评估模型进行训练，包括：预设损伤评估模型参数，所述参数包括遗传代数、交叉概率、变异概率；将训练样本集中Lamb波结构响应信号的特征参数输入损伤评估模型进行训练；以误差最小为目标，根据训练过程中的误差变化曲线调整所述参数；当误差小于预设阈值时，提取训练好的损伤模型；预设阈值的取值范围是[0.01，0.03]。
所属类别：	发明专利