[发明专利]一种基于超声导波的复杂结构损伤协同识别方法

说明书

本发明涉及一种基于超声导波的复杂结构损伤协同识别方法，该方法包括初步识别机制和反馈决策机制。其中初步识别机制用于实现各类复杂结构损伤类型的初步判别，反馈决策机制用于实现损伤识别结果的优化，有效提高识别率。在初步识别机制中，采用了面向超声导波特性的特征量提取方法，从信号的时域、频域、细节特征综合分析损伤信号以获取相应的特征量；并构建了3层“输入单元层——序参量层——输出单元层”的损伤协同识别网络模型。在对复杂结构损伤初步识别的基础上引入了反馈决策机制，采用了基于类内类间平均距离的特征量评估，选取出了最适合于协同训练的损伤特征量；并利用信息叠加方法进行了原型特征向量重构，有效降低了误识别率。

技术领域

本发明涉及无损检测技术领域，特别涉及一种基于超声导波的复杂结构损伤协同识别方法。

背景技术

在运输、输电线路、桥梁及房屋建筑等各领域中，往往需要采用各类复杂长状类结构，如绞线、管道、钢丝绳等，这些复杂结构在工作中往往会长期受到外部环境和承载力变化的影响，从而在使用过程中产生各种损伤，如磨损、锈蚀、断股等，这些损伤会危及到人员和设备财产的安全。不同的损伤会造成不同的影响，而各类型的损伤也有着其对应的处理方案，这就要求检测系统能够对不同类型的损伤进行快速有效的分类识别。传统的结构损伤识别方法已远远不能满足高速发展下提出的损伤识别需求。因此，涌现了基于射线、红外摄像、电磁通等一系列损伤识别方法。虽然在识别率方面有一定提升，但大都采用了传统的神经网络，而且往往需要大量的检测样本进行训练，这使得现有的识别方法受到了极大挑战，其新方法的研究也一直是结构健康监测学科的前沿问题。

同时，随着检测技术的不断发展，超声导波由于其激励信号可设可控、传播距离远及安装方便等优点，在结构健康监测领域越来越受业界人士重视，特别适用于绞线、管道等长状类复杂特殊结构的损伤检测。然而在这些复杂结构中，超声导波的传输存在着明显的频散、多模态、多路径延迟等现象，即无序状态，导致激励信号难以在复杂结构对象的另一端对损伤位置和形状等信息进行有效的定量表征。因此，如何从宏观角度进行探索，研究基于超声导波的复杂结构损伤识别方法是亟待解决的问题。

现如今，基于协同学理论的识别决策技术凭借其预处理及特征提取简单，不必要进行细节特征提取和选择的过程，且具备一定的抗干扰和抗噪声性能等优点，近年来引起了国内外学者的高度关注，在人脸识别、字符识别、交通状态识别等模式识别研究领域得到快速的发展。因此，面对复杂结构损伤识别中出现的问题以及超声导波的特殊传输特性，如何将协同识别理论引入到其损伤识别中是值得探索的一条新途径，并具有重要的学术价值和实际意义。

目前，国内外学者已证明了超声导波结合协同学理论在大型复杂结构损伤识别新领域中的可行性，并在管道损伤识别中进行了初步研究。然而，由于复杂结构所处的外部复杂工作环境往往存在着较大的噪声，条件极端化、结构复杂化都对超声导波的检测信号带来极大的干扰。同时，由于在超声导波接收信号中所提取的特征值类与类之间并不存在很明确的界限，因此往往不可避免地会出现误识别的情况。故此，在初步识别的基础上，引入闭环反馈机制以提高修正误识别样本，实现绞线结构的高精度和高准确率的损伤识别，也是各类复杂长状类结构损伤识别方法今后非常重要的研究方向。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于超声导波的复杂结构损伤协同识别方法。

本发明的目的通过下述技术方案实现：

一种基于超声导波的复杂结构损伤协同识别方法，包括初步识别机制和反馈决策机制，其中，所述初步识别机制采用面向超声导波特性的特征量提取方法，并建立了损伤协同识别网络模型，用于实现各类复杂结构损伤类型的初步判别；

所述反馈决策机制采用特征量评估和原型特征向量重构，用于实现损伤识别结果的优化，有效降低了误识别率。

该基于超声导波的复杂结构损伤协同识别方法有较强的抗干扰能力，解决了传统识别方法存在的准确识别率低、识别速度较慢等不足。