数据驱动下小提琴图法的结构疲劳裂缝检测方法及系统与流程

1.本发明涉及结构健康监测与安全预警技术领域，具体涉及一种数据驱动下小提琴图法的结构疲劳裂缝检测方法及系统。


背景技术：

2.二十一世纪以来基础设施、民用、商业、工业等建设迅猛发展的同时，旧的工程结构的所承受的荷载偏离了初始设计目标，新时期大跨度、复杂化、长寿命、多功能现代化结构多长期暴露于严苛的服役环境，为保证结构正常安全稳定的运行，建设结构安全性问题成为人们关注的重点问题，结构健康监测需求呈现快速增长。随着结构健康监测系统采集了海量数据们，如何基于数据对结构的状态进行分析成为了结构健康监测的核心内容，目前随着科学技术发展，特别是信息数据分析处理技术的快速发展，以数据驱动为内核的分析方法快速兴起，引发了结构健康监测的新思考。
3.在难以建立精确机理模型的条件下，数据驱动方法可实现对结构优化控制及评价，可以为结构状态疲劳裂缝分析提供解决方案。目前常用疲劳裂纹识别方法主要基于已知系统及其动力输出信号，利用监测传感器采集的响应数据，通过广义似然比检验，小波包灵敏度的识别等方法进行裂缝识别，广义似然比检验方法来研究疲劳裂纹，旨在检测出中最小的裂纹尺寸，缺少对不同裂缝的深度的检测，小波包灵敏度的识别方法，此种方法同样需要获取外荷载信息，而且在时频域上进行的正向运算和反向运算，其计算效率较低，过程繁复。目前缺少一种能够快速简易分析各传感器海量数据，提取疲劳裂纹的信息，且能快速准确提取动力特性信息，且对疲劳损伤的程度进行可视化，轻量化的检测技术。


技术实现要素：

4.为解决上述问题，本发明提出了一种数据驱动下小提琴图法的结构疲劳裂缝检测方法及系统，该方法能够快速简易分析各传感器海量数据，提取疲劳裂纹的信息，且能快速准确提取动力特性信息，且对疲劳损伤的程度进行可视化，是一种轻量化的检测技术。
5.为实现上述目的，本发明提供了如下的技术方案。
6.一种数据驱动下小提琴图法的结构疲劳裂缝检测方法，包括以下步骤：
7.在待测试结构体的一端施加激励，通过多个加速度传感器采集待测试结构体多个不同位置的加速度响应信号；
8.将多个不同位置的加速度响应信号的时域数据，分别由小到大依次进行重排列，获得时域数据的最小值、第一四分位数、中位数、第三四分位数和最大值，并以此绘制出不同位置处时域数据的箱型图；
9.对各位置重排列后的时域数据进行核密度轨迹估计，获得核密度估计曲线，并将核密度估计曲线结合箱型图，绘制小提琴图；
10.根据绘制的小提琴图进行疲劳裂缝判断：当结构不存在疲劳裂缝，小提琴图不会产生凸起，图形呈现对称分布；若存在疲劳裂缝，小提琴图会产生凸起，中位数产生偏移，并
随着损伤程度增加远离对称中心。
11.优选地，所述激励为高斯分布随机激励。
12.优选地，所述测试结构体为悬臂梁，沿所述悬臂梁的长度方向上设置加速度传感器。
13.优选地，所述不同位置处时域数据的箱型图的绘制，包括以下步骤：
14.将重排列分布得到的数据取第一中位数设为q1，第三中位数设为q3，计算出四分位矩：
15.iqr＝q
3-q116.其中，iqr为四分位矩；
17.此时，箱型图上下限范围为：
18.max＝q3 1.5iqr
19.min＝q
1-1.5iqr
20.其中，max为箱型图的上限，min为箱型图的下限，第一中位数为q1，第三中位数为q3。
21.优选地，所述小提琴图的绘制，包括以下步骤：
22.确定小提琴图的上下限范围为箱型图的上下限范围；
23.依据小提琴图上下限范围，提取重分布排列后的时域数据在上下限内的数据；
24.对上下限内的数据进行核密度估计，绘制出核密度曲线，核密度估计方法如下：
[0025][0026]
其中，x代表为所选数据其中一点的数据，n为上下限范围内样本数量，h代表间隔宽度，当第i点的数据在[x-h/2,x h/2]中时，δi＝1，当第i点的数据不在[x-h/2,x h/2]中时，δi＝0。
[0027]
将每一点核密度估计的值与箱型图中点的数据一一对应后，获得核密度估计曲线，将曲线与箱型图结合得到小提琴图。
[0028]
一种应用数据驱动下小提琴图法的结构疲劳裂缝检测方法的系统，包括：
[0029]
检测模块，包括多个设置在所述待测试的结构体上的多个加速度传感器；
[0030]
激励施加模块，向待测试结构体的端部位置施加激励；
[0031]
处理器，用于采集每个加速度传感器上的响应信号，构建加速度响应数据库；所述处理器根据加速度响应数据进行重排列，并绘制出不同位置处时域数据的箱型图；所述处理器对重排列后的时域数据进行核密度轨迹估计，获得核密度估计曲线，并将核密度估计曲线结合箱型图，绘制小提琴图；所述处理器根据绘制的小提琴图进行疲劳裂缝判断，并输出结果。
[0032]
本发明的有益效果：
[0033]
本发明提出一种数据驱动下小提琴图法的结构疲劳裂缝检测方法及系统，该方法能够快速简易分析各传感器海量数据，提取疲劳裂纹的信息，且能快速准确提取动力特性信息，且对疲劳损伤的程度进行可视化，轻量化的检测技术，本发明方法针对疲劳裂纹在多激励作用下，产生与激励作用分布不同的时程数据分布曲线的特性，通过小提琴图内的核
密度轨迹曲线凸起明显反映疲劳裂缝的存在，凸起程度越大，代表着损伤程度越大，随着小提琴图中位数远离对称中心，其值可以反映损伤的大小，直观准确辨别疲劳呼吸裂缝的位置和程度。
附图说明
[0034]
图1是本发明实施例的一种数据驱动下小提琴图法的结构疲劳裂缝检测方法的流程图；
[0035]
图2是本发明实施例的数值模拟不同裂缝深度下同一位置处小提琴图和箱型图的分布，其中(a)为响应数据(b)为小提琴图(c)为箱型图；
[0036]
图3是本发明实施例的数值模拟不同裂缝位置下不同位置处小提琴图和箱型图的分布，其中(a)为响应数据(b)为小提琴图(c)为箱型图；
[0037]
图4是本发明实施例的实验不同裂缝深度下同一位置处小提琴图和箱型图的分布，其中(a)为响应数据(b)为小提琴图(c)为箱型图；
[0038]
图5是本发明实施例的实验不同裂缝位置下不同位置处小提琴图和箱型图的分布，其中(a)为响应数据(b)为小提琴图(c)为箱型图。
具体实施方式
[0039]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0040]
实施例1
[0041]
结构在长期服役期间，复杂环境致使产生大量微小疲劳裂缝，裂缝随结构振动，呈现接触-分离的“呼吸”效应，损伤积累后不断扩展为常开状态，当局部刚度变化较大时，产生的非线性就会显著，对应于一个显著的裂纹尺寸，当局部刚度变化不显著时，产生的非线性较小，与裂纹深度较小相一致。本发明对结构施加激励，当疲劳裂缝存在时，疲劳裂缝对激励信号进行调制，产生异变的分布，此时小提琴图会发生明显的凸起，损伤程度越大凸起的程度越明显，中位数的变化数值化表明损伤程度。
[0042]
本发明的一种数据驱动下小提琴图法的结构疲劳裂缝检测方法，如图1-5所示：
[0043]
s1：在待测试结构体的一端施加激励，通过多个加速度传感器采集待测试结构体多个不同位置的加速度响应信号。在测试的结构体上布置多个加速度传感器，并将多个加速度传感器分别与处理器电连接，处理器通过控制开关和供电电源电连接，多个加速度传感器组成检测组，在测试的结构体的端部位置施加激励，处理器采集每个加速度传感器上的响应信号，并利用响应信号建立不同位置处的加速度响应数据库。激励在本实施例中，为高斯分布激励。
[0044]
s2：将多个不同位置的加速度响应信号的时域数据，由小到大依次进行重排列，获得时域数据的最小值、第一四分位数、中位数、第三四分位数和最大值，并以此绘制出不同位置处时域数据的箱型图。
[0045]
具体的：
[0046]
将重排列分布得到的数据取第一中位数设为q1，第三中位数设为q3，计算出四分位
矩：
[0047]
iqr＝q
3-q1[0048]
其中，iqr为四分位矩；
[0049]
此时，箱型图上下限范围为：
[0050]
max＝q3 1.5iqr
[0051]
min＝q
1-1.5iqr
[0052]
其中，max为箱型图的上限，min为箱型图的下限，第一中位数为q1，第三中位数为q3。
[0053]
s3：对重排列后的时域数据进行核密度轨迹估计，获得核密度估计曲线，并将核密度估计曲线结合箱型图，绘制小提琴图。
[0054]
具体的：
[0055]
确定小提琴图的上下限范围为箱型图的上下限范围；
[0056]
依据小提琴图上下限范围，提取重分布排列后的时域数据在上下限内的数据；
[0057]
对上下限内的数据进行核密度估计，绘制出核密度曲线，核密度估计方法如下：
[0058][0059]
其中，x代表为所选数据其中一点的数据，n为上下限范围内样本数量，h代表间隔宽度，当第i点的数据在[x-h/2,x h/2]中时，δi＝1，当第i点的数据不在[x-h/2,x h/2]中时，δi＝0。
[0060]
将每一点核密度估计的值与箱型图中点的数据一一对应后，获得核密度估计曲线，将曲线与箱型图结合得到了小提琴图。
[0061]
s4：根据绘制的小提琴图进行疲劳裂缝判断：当结构不存在疲劳裂缝，小提琴图不会产生凸起，图形呈现对称分布；若存在疲劳裂缝，小提琴图会产生凸起，中位数产生偏移，并随着损伤程度增加远离对称中心。
[0062]
实施例2，数值模拟方面：
[0063]
s1：采用abaqus构造悬臂梁。梁的几何尺寸：长度(l＝300mm)、宽度(b＝25mm)和厚度(h＝10mm)；
[0064]
s2：损伤设置为疲劳裂缝
[0065]
疲劳裂纹的打开和关闭被认为是一个局部接触问题。通过将其中一个裂纹表面视为主表面，将另一个视为从属表面，对疲劳裂纹表面之间的相互作用进行建模。在梁振动过程中，疲劳裂纹出现三种接触状态：
[0066]
(i)裂纹完全打开，这意味着主表面和从表面之间没有接触。
[0067]
(ii)从裂纹表面和主裂纹表面上的所有节点均接触，且裂纹完全闭合。
[0068]
(iii)从裂纹表面和主裂纹表面部分接触。
[0069]
s3：沿梁的长度方向设置损伤位置，损伤位置离端部的距离为xc，损伤的深度为a，为了方便定义损伤的位置和损伤深度，将损伤位置和损伤深度，定义为：
[0070]
q＝xc/l
[0071]
p＝a/h
[0072]
其中，xc代表损伤位置距离端部的位置，l为梁的长度，q代表裂缝距离端部的相对位置，a代表裂缝的深度，h代表梁的厚度，p代表裂缝的相对深度。
[0073]
设置了3种损伤程度p，对于损伤程度p分为p＝7％、p＝20％和p＝41％损伤程度；3种损伤相对位置q，q＝0.040、q＝0.450、q＝0.773，无损伤结构设置为对照。
[0074]
s4：沿梁的长度方向设置传感器，选取10个点作为传感器的位置。
[0075]
s5：悬臂梁的自由端施加б激励(采用高斯分布随机激励)。
[0076]
s6：通过10个点采集加速度响应。
[0077]
s7：将不同位置处时域数据进行重分布排列由小到大依次排列，得到数据的最小值，第一四分位数，中位数，第三四分位数，最大值，绘制出不同位置处时域数据的箱型图。
[0078]
s8：导入s7重排列的数据，进行核密度轨迹估计，将核密度估计曲线与步骤二中箱型图结合，绘制出小提琴图。小提琴图的绘制方法如下：
[0079]
(1)小提琴图的上下限范围为箱型图的上下限范围。
[0080]
(2)依据小提琴图确定的上下限范围，提取重分布排列在上下限内的数据。
[0081]
(3)对上下限内的数据进行核密度估计，绘制出核密度曲线，核密度估计方法如下：
[0082][0083]
其中，x代表为所选数据其中一点的数据，n为上下限范围内样本数量，h代表间隔宽度，当第i点的数据在[x-h/2,x h/2]中时，δi＝1，当第i点的数据不在[x-h/2,x h/2]中时，δi＝0。
[0084]
(4)将每一点核密度估计的值与箱型图中点的数据一一对应后，得到了核密度估计曲线，将曲线与箱型图结合得到了小提琴图。
[0085]
s9：由图2、图3可知结构完好的情况，数据呈正态分布。相比之下，随着裂纹深度的增加，中位值的偏移，代表着分布偏斜程度逐步增大，凸起的程度可以清楚地看出疲劳裂缝的损伤程度，同时小提琴图对于不同位置损伤也能够清晰表明其存在。
[0086]
实施例3，在实验方面：
[0087]
s1：利用高性能结构粘合剂将三块钢粘合在一起，形成具有不同裂纹参数的悬臂梁。梁的尺寸取l(300mm)
×
b(25mm)
×
h(10mm)。
[0088]
s2：沿梁的长度方向设置损伤位置，损伤位置离端部的距离为xc，损伤的深度为a，为了方便定义损伤的位置和损伤深度，将损伤位置和损伤深度，定义为：
[0089]
q＝xc/l
[0090]
p＝a/h
[0091]
其中，xc代表损伤位置距离端部的位置，l为梁的长度，q代表裂缝距离端部的相对位置，a代表裂缝的深度，h代表梁的厚度，p代表裂缝的相对深度。
[0092]
设置了3种损伤程度p，对于损伤程度p分为，p＝7％、p＝20％和p＝41％损伤程度,；3种损伤相对位置q，q＝0.040、q＝0.450、q＝0.773，无损伤结构设置为对照。
[0093]
s3：利用激光侧测振仪沿梁的长度上选取10个点，10个点位置与数值模拟一致，在这10个点位置处涂抹反光粉。
[0094]
s4：利用激振器在悬臂梁的自由端施加б激励(采用高斯分布随机激励)
[0095]
s5：通过激光测振仪处理器自动分析，获取10个点的加速度相应信号
[0096]
s6：将不同位置处时域数据进行重分布排列由小到大依次排列，得到数据的最小值，第一四分位数，中位数，第三四分位数，最大值，绘制出不同位置处时域数据的箱型图。
[0097]
s7：导入s6重排列的数据，进行核密度轨迹估计，将核密度估计曲线与步骤二中箱型图结合，绘制出小提琴图。
[0098]
s8：由图4、图5显示从实验角度证明疲劳裂缝的“呼吸”效应明显，导致裂缝处会调制激励信号，从而偏离正常的激励信号的分布。随着裂纹深度的增加，中位值的偏移，代表着分布偏斜程度逐步增大，凸起的程度可以清楚地看出疲劳裂缝的损伤程度，同时小提琴图对于不同位置损伤也能够清晰表明其存在。
[0099]
由图2、图3、图4、图5可得，裂缝梁在激励下，从数值模拟和实验角度证明疲劳裂缝的“呼吸”效应明显，导致裂缝处会调制激励信号，从而偏离正常的激励信号的分布。利用小提琴图中位值定量刻画分布转异程度，通过小提琴图的凸起反映疲劳裂缝的位置和程度，分析响应信号转异分布的变化，当疲劳裂缝存在时，小提琴图会产生凸起，凸起程度越大代表着损伤程度越大，中位数会产生大的偏移，中位数随着损伤程度增加远离对称中心。
[0100]
该方法基于疲劳裂缝对信号调制的特性，能够有效提取损伤位置、程度，对损伤敏感，适合扩展到实际应用。
[0101]
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。