[发明专利]基于小波分析和BP神经网络的复合材料损伤检测方法

权利要求书

1.基于小波分析和BP神经网络的复合材料损伤检测方法，其特征在于，包括以下步骤：

步骤(1)，采集复合材料损伤信号；

步骤(2)，构建提取损伤信号的小波分析算法，并获取小波包的能量谱；

步骤(3)：选取BP网络学习样本，并建立损伤识别BP神经网络模型；

步骤(4)，复合材料损伤输出：经过M次训练后BP神经网络达到收敛，基于学习训练好BP神经网络对复合材料进行损伤检测，并输出损伤结果。

2.根据权利要求1所述的基于小波分析和BP神经网络的复合材料损伤检测方法，其特征在于，

所述步骤(2)，构建提取损伤信号的小波分析算法，并获取小波包的能量谱,具体包括以下步骤：

S201，将复合材料损伤信号进行小波包分解，所述小波包分解的小波基为db小波，db小波的滤波长度和支集长度均为2N，小波基的消失矩阵阶数为N；

S202，设定小波的分解层数为5，损伤信号在频率轴分为32个频带，选取的小波阶数为4，基于db4小波进行小波包分析；

S203，基于小波包分析对损伤信号进行5层分解，得到32个信号频率成分，并根据信号频率成分从低到高排列，对小波包分解的系数进行重构，计算各重构信号的能量，对于分解后的第5层，记各结点的重构系数为S_5,i，所述各结点重构系数表示小波各阶的能量，得到小波包的能量谱E_5,i:

E5,i=∫|S5,i|2dt=Σk=1n|xi,k|2---(1)]]>

其中，i＝0,1,2,3...31，x_i,k为重构系数S_5,i的离散的幅值，计算获取各频段所占信号总能量的比值G_5,i：

G5,i=E5,i(Σi=031|E5,i|2)1/2---(2).]]>

3.根据权利要求1所述的基于小波分析和BP神经网络的复合材料损伤检测方法，其特征在于，

所述步骤(3)选取BP网络学习样本，并建立损伤识别BP神经网络模型，具体包括以下步骤，

选取小波包的能量谱中最大能量值作为损伤特征向量，提取不同损伤状况的特征向量组成BP神网络的学习样本；

选取含有一个隐含层的三层BP神经网络，输入层、输出层神经元节点数分别为4和3，学习样本数为24组，得到的隐含层节点数为16个，实现BP神经网络模型建模。