[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

说明书

技术领域

本发明设计一种基于小波分析和BP神经网络的复合材料损伤检测方法，属于结构健康监测中的损伤信号识别处理技术领域。

背景技术

复合材料具有质量轻、强度高、耐腐蚀等优点，已经广泛于军事、航天、交通、电子电气、等领域。由于复合材料很容易遭受外来破坏而产生损伤，所以对复合材料进行损伤检测就显得很重要，目前对复合材料损伤信号高效的识别处理方法研究较少。

现有技术中，对复合材料的检测一般采用声发射法，检测声波一般采用Lamb波，由于Lamb波对损伤较敏感，且分析较容易，一般采用短时傅立叶变换、小波变换及上述的HHT变换等方法。常规傅里叶分析理论在时频联合分析方面存在局限，只能简单的将时域信号转化为频域信号，而不能得到具体频率段数据出现的时间，这在数据处理中具有严重弊端；HHT变换在分解复杂信号时存在求解结果精度不高、计算时间长的不足，同时还存在边端效应、越界问题、停止准则和虚假低频成分过滤的问题。短时傅里叶变换在提取包络时对设定的频率处效果较好，对其他频率的信号处理效果较差。小波变换能将数据分为n段处理，但是单纯的小波变换不够智能，需要专业人士才能识别信号，检测不方便。

发明内容

本发明所需要解决的技术问题是提供一种能够提取复合材料损伤信号，从中获得材料损伤特征向量的小波包能量谱分析方法，将不同损伤特征向量组成学习样本，进行BP神经网络学习训练形成具有复合材料损伤模式识别的神经网络，实现损伤识别和定位，以及损伤程度的判定。

为达到以上目的，本发明采用以下技术方案来实现。

一种基于小波分析和BP神经网络的复合材料损伤检测方法，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,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，能够使序列的扩展性很好，从而能够恰到好处地解决支集长度增加而导致的边界问题；

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(小波包分析是指用小波包分解分析信号)；

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，n为重构系数S_5,i的离散数据序列，x_i,k为重构系数S_5,i的离散的幅值(即每个频带内的能量)，为了方便分析求得各频段所占信号总能量的比值G_5,i：