[发明专利]一种基于激光电视全息技术的结构损伤识别方法

权利要求书

1.一种基于激光电视全息技术的结构损伤识别方法，其特征在于，包括如下步骤：

(1)建立一组无损结构的散斑干涉条纹图像训练样本集步骤；

(2)将步骤(1)所建立的训练样本集输入到支持向量机分类算法中，建立基于支持向量机分类算法的无损结构散斑干涉条纹图像分类模型步骤；

(3)建立待测结构的散斑干涉条纹图像步骤；

(4)比较步骤，在该比较步骤中，将步骤(3)所得到的待测结构的散斑干涉条纹图像输入步骤(1)得到的无损结构散斑干涉条纹图像分类模型进行比较，如果所述的待测结构的散斑干涉条纹图像所有网格像素值在无损结构散斑干涉条纹图像分类模型取值范围内，则表明该待测结构还未出现损伤；如果待测结构的散斑干涉条纹图像某一网格像素值超过了无损结构散斑干涉条纹图像分类模型取值范围，则在此网格处出现了损伤，应进一步仔细检查。

2.根据权利要求1所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，所述建立一组无损结构的散斑干涉条纹图像训练样本集步骤包括：首先将无损结构散斑干涉条纹图像分割为一系列网格，然后利用公式(1)计算出每一网格像素值概率分布特征，然后随机取任意网格中某一点像素值作为初始值，并根据测量噪声概率分布特点，计算得到所述的一系列网格的多个像素值，进一步得到包括多个相互独立的散斑干涉条纹图像的散斑干涉条纹图像；再从相互独立的散斑干涉条纹图像中选取10～20％的相互独立的散斑干涉条纹图像建立散斑干涉条纹图像训练样本集；

Val_pixel＝Acos(θ)J₀(2πK·δ)    (1)

上式中：Val_pixel散斑干涉图像的像素值，A为物体光场和参考光场的强度，是一个正态分布随机量；θ为物光场和参考光场的光学相位差，在(0，2π)间随机均匀分布；cos(θ)在像面上就对应于散斑；J₀为零阶贝赛尔函数，K为灵敏度向量，δ为以光波为单位的位移振幅。

3.根据权利要求2所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，所述网格按3×3或4×4像素节点分割。

4.根据权利要求2所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，在所述的建立一组无损结构的散斑干涉条纹图像训练样本集步骤中，对于像素值归一化到[0，1]之间处理。

5.根据权利要求1所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，所述步骤(2)是选择核函数及相关参数，建立基于支持向量机分类算法的无损结构散斑干涉条纹图像分类模型。

6.根据权利要求5所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，所述的核函数为线性核函数、多项式核函数、或径向基核函数。

7.根据权利要求5所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，所述的核函数优选为径向基核函数。

8.根据权利要求1所述的基于激光电视全息技术的结构损伤识别方法，其特征在于，所述建立待测结构的散斑干涉条纹图像步骤(3)是将待测结构的散斑干涉条纹图像采用网格分割方式处理。