一种工程结构呼吸裂缝损伤检测方法、系统、设备及介质与流程

摘要: 本发明属于结构健康监测,具体涉及一种工程结构呼吸裂缝损伤检测方法、系统、设备及介质。背景技术:1、21世纪以来在航空航天、高速铁路、大型能源装备及重大桥梁等关键...
一种工程结构呼吸裂缝损伤检测方法、系统、设备及介质与流程

本发明属于结构健康监测,具体涉及一种工程结构呼吸裂缝损伤检测方法、系统、设备及介质。

背景技术:

1、21世纪以来在航空航天、高速铁路、大型能源装备及重大桥梁等关键基础设施领域,金属结构件在长期服役过程中常因交变载荷或环境腐蚀而产生呼吸裂缝。呼吸裂缝经过一次次交变载荷循环,不断向前扩张,最终从裂源点向外辐射,造成构件断裂。因此,对呼吸裂缝的及时检测尤为关键。

2、数据驱动的分析方法以其对随机扰动的稳定性和强适应性的优势,可以为结构状态呼吸裂缝分析提供解决方案。目前常用时频域分析方法有短时fourier变换(stft)、wigner-ville分布、小波变换(wavelet transform)、hilbert-huang 变换等。这些方法往往利用呼吸裂缝在二分之一谐波、二次谐波、三次谐波激励下产生特性进行检验。该类方法旨在准确反映信号的局部时变频率特性,基本时域信号为平稳简谐波信号。但在实际的环境激励作用下,受噪音干扰较大,难以采集干净的谐波加速度信号,限制了上述方法在实际检测中的应用,检测结果精度不高。

技术实现思路

1、为了解决上述问题,本发明提供了一种工程结构呼吸裂缝损伤检测方法,该方法针对现有时频域分析方法受噪音干扰大、难采集干净谐波加速度信号的问题,该方法通过多点同步采集保障信号可靠性,结合外源输入回归模型与卡尔曼滤波过滤噪音、提取高纯度时变参数,经小波包分解、能量处理聚焦裂缝核心特征,最终通过能量差值指标放大裂缝带来的结构细微变化,实现精准识别。本发明无需干净谐波信号和基线健康数据,可在线检测,鲁棒性良好,不依赖数值或物理模型,能高效提取裂缝特征、提升检测准确性和时效性,满足高频率检测需求,为结构性能评估提供参考,规避构件断裂风险。

2、为了实现上述目的,本发明提供如下技术方案:

3、一种工程结构呼吸裂缝损伤检测方法,包括以下步骤:

4、通过检测阵列同步采集工程结构在环境激励下的加速度响应信号;其中,检测阵列由工程结构构件的n个点位上分别布置的加速度传感器构成;

5、将n个传感器自由组合形成n×n组点位组合;将每组点位组合绑定的2路加速度信号分别作为外源输入回归模型的输入信号和输出信号,采用卡尔曼滤波求解外源输入回归模型,得到多个外源输入回归模型中描述输入信号与输出信号关系的时变系数,构成时变参数序列;

6、选取所述时变参数序列中最小时间延迟对应的输出参数时变序列和输入参数时变序列,对输出参数时变序列和输入参数时变序列分别进行l层小波包分解;计算分解后l层各节点的能量值,选取能量排序第二的节点完成信号重构,并对重构信号做归一化处理,得到两组标准化特征信号;

7、分别计算用来量化信号整体强度与分布特征的两组重构信号的能量值,依次汇总所有能量构建出两个最小时间延迟序列对应的n×n能量矩阵;对两组能量矩阵分别执行列投影操作,生成对应的能量曲线,计算每条能量曲线上相邻点位能量差值的绝对值,将所述绝对值作为识别呼吸裂缝的损伤指标。

8、优选地,所述加速度响应信号包括工程结构在环境激励下振动方向的平动加速度响应信号与转动加速度响应信号。

9、优选地,所述对n个点位进行全排列自由配对,形成n×n组点位组合,具体包括以下步骤:

10、将点位i作为输入测点,点位i的传感器信号作为模型输入;将点位j作为输出测点,点位j的传感器信号作为模型输出;

11、令i、j分别遍历1-n全部点位,将n个传感器按输入传感器i、输出传感器j的形式做两两自由配对,i和j均取1~n的任意值,最终形成n×n组传感器点位组合。

12、优选地,所述采用卡尔曼滤波求解外源输入回归模型,得到多个外源输入回归模型中描述输入信号与输出信号关系的时变系数,构成时变参数序列,具体包括以下步骤:

13、基于外源输入回归方程构建卡尔曼滤波所需的状态方程与观测方程,将回归模型的全部待求系数整合为状态向量,设定状态转移矩阵为单位矩阵,同时定义相互独立的高斯白噪声作为过程噪声与观测噪声,完成观测矩阵的构造;

14、执行卡尔曼滤波时间更新流程,先依据上一时刻状态估计值,完成当前时刻状态的一步预测;再结合过程噪声方差,计算均方误差矩阵的一步预测值;随后通过状态预测结果得到观测向量的一步预测值,并结合观测噪声方差,求解观测均方误差方差的一步预测值;

15、开展卡尔曼滤波测量更新计算,利用均方误差预测矩阵、观测矩阵及其转置、观测均方误差方差,求解当前时刻的滤波增益矩阵;结合滤波增益、观测向量实测值与预测值,更新得到当前时刻状态向量估计值,得到回归模型的实时系数;结合滤波增益与观测矩阵,更新当前时刻的均方误差矩阵;

16、按时间轴逐帧重复执行时间更新与测量更新流程,持续迭代求解每一时刻外源输入回归模型的系数,将不同时刻求解得到的全部系数依次排列,形成该组信号对应的时变参数序列;

17、重复上述操作,对n×n组传感器配对逐一运算,最终得到所有组别对应的完整时变参数序列。

18、优选地,在外源输入回归模型arx中,所述最小时间延迟指对应信号延迟阶数最低、振动在传感器间传播耗时最短的信号传递状态,对应第1条输出参数序列与第m+1条输入参数序列;所述标准化特征信号的构建具体包括以下步骤:

19、选取时变参数序列中具有最小时间延迟的第1条输出参数时变序列和第m+1条输入参数时变序列;

20、对两条参数时变序列分别按照小波包函数定义与迭代分解规则,进行l层小波包分解,得到l层各尺度下的节点信号;

21、依据能量计算公式,计算l层小波包分解后每个节点的能量值,累加得到l层所有节点的总能量,再计算各节点能量占总能量的比值;

22、按照节点能量占比从大到小排序,选取排序第二的能量节点,基于小波系数与小波包函数对该节点信号进行重构;

23、对重构得到的节点信号,采用最小-最大归一化方法完成归一化处理;

24、对第1条、第m+1条参数时变序列分别完成上述处理,得到两组标准化特征信号。

25、优选地,所述损伤指标的计算具体包括以下步骤:

26、分别计算用来量化信号整体强度与分布特征的两组重构信号的能量值;

27、汇总全部传感器组合对应的重构信号的能量值,按照传感器配对关系依次整理排布,分别搭建出两组最小时间延迟序列所对应的n×n维度能量矩阵;

28、对两组n×n能量矩阵分别开展列投影运算,求取矩阵每一列的能量总和,将计算结果按传感器点位顺序排列,生成两组对应的能量曲线,把矩阵二维数据转化为直观的一维序列;

29、依次求解每条能量曲线上相邻点位能量数值的差值,并取其绝对值,将所述绝对差值作为判别结构呼吸裂缝的损伤指标,通过损伤指标反映结构局部状态的异常变化。

30、本发明还提供一种工程结构呼吸裂缝损伤检测系统,包括:

31、数据获取模块,用于通过检测阵列同步采集工程结构在环境激励下的加速度响应信号;其中,检测阵列由工程结构构件的n个点位上分别布置的加速度传感器构成;

32、数据转换模块,用于将n个传感器自由组合形成n×n组点位组合;将每组点位组合绑定的2路加速度信号分别作为外源输入回归模型arx的输入信号和输出信号,采用卡尔曼滤波求解外源输入回归模型,得到多个外源输入回归模型中描述输入信号与输出信号关系的时变系数,构成时变参数序列;

33、损失判断模块,用于选取所述时变参数序列中最小时间延迟对应的输出参数时变序列和输入参数时变序列,对输出参数时变序列和输入参数时变序列分别进行l层小波包分解;计算分解后l层各节点的能量值,选取能量排序第二的节点完成信号重构,并对重构信号做归一化处理,得到两组标准化特征信号。

34、本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器中并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现所述工程结构呼吸裂缝损伤检测方法中任一项所述的步骤。

35、本发明还提供一种计算机可读存储介质,所述存储介质上存储有计算机程序,该计算机程序被处理器加载时,能够执行所述工程结构呼吸裂缝损伤检测方法中任一项所述的步骤。

36、本发明提供的工程结构呼吸裂缝损伤检测方法具有以下有益效果:

37、本发明首先采用多点位传感器阵列同步采集环境激励下的加速度信号,依靠多测点数据丰富信息维度,弱化单点噪声带来的信号失真问题;在此基础上再将传感器交叉配对构建多路信号组合,结合外源输入回归模型与卡尔曼滤波对信号做建模求解,借助卡尔曼滤波强大的噪声抑制能力滤除环境杂讯,把受干扰的原始振动信号转化为表征结构传递特性的时变参数序列,摆脱了对纯净谐波信号的依赖;随后选取最能反映结构实时状态的最小时间延迟参数序列,利用小波包分解精准挖掘信号局部时频特征,通过筛选次优能量节点重构信号并归一化,进一步剥离无效干扰分量、强化呼吸裂缝对应的细微损伤特征。全程无需依托平稳简谐波信号,在复杂噪声环境下仍能稳定提取损伤特征,既拓宽了现场实际应用场景,又显著提升了呼吸裂缝检测的准确度与可靠性。