[发明专利]时变环境下结构损伤的高斯混合模型-路径累积成像方法

权利要求书

1.一种时变环境下结构损伤的高斯混合模型-路径累积成像方法，其特征在于，包括如下几个步骤：

(1)当结构处于时变环境及健康状态下时，连续采集R次结构上布置的压电传感器网络中各激励-传感路径的导波信号，R为大于等于1的自然数，对于其中的每一个路径，从其R次信号中提取R组二维特征参数，构建包含R个样本的基准二维特征参数样本集，在此基础上建立基准高斯混合模型来表征基准二维特征参数样本集受时变条件影响产生的不确定性分布；

(2)当结构处于时变环境及监测状态下时，采集一次各激励-传感路径的导波信号，对于其中的每一个路径，分别提取一组二维特征参数并用于更新该路径的基准二维特征参数样本集，得到更新后的监测二维特征样本集，进而建立监测高斯混合模型；

(3)对于压电传感器网络中的每一个激励-传感路径，采用基于概率分量最小匹配KL距离的概率分布迁移距离计算方法来量化更新后的监测高斯混合模型和基准高斯混合模型之间的迁移程度，将度量结果作为时变无关信号特征参数，以在时变条件下可靠表征该路径受损伤的影响程度；

(4)基于压电传感器网络中各路径的时变无关信号特征参数，采用路径成像算法融合网络中所有路径的时变无关信号特征参数进行成像，生成整个网络监测范围内的损伤成像结果；

(5)重复步骤(2)至步骤(4)N次，N为大于等于1的自然数，即每采集1次各激励-传感路径的导波信号后，就更新各路径的监测二维特征参数样本集、监测高斯混合模型、计算时变无关信号特征参数并进行成像，从而获得按时间先后顺序累积的N幅损伤成像图像；

(6)通过判别累积的N幅损伤成像图像中损伤逐渐凸显的位置实现损伤定位。

2.根据权利要求1所述的时变环境下结构损伤的高斯混合模型-路径累积成像方法，其特征在于，步骤(1)和(2)中所述的二维特征参数样本集记为X，表达式如下：

X＝{x₁,...,x_r,...x_R}

其中：为对应于第r个信号的一组二维信号特征参数，r＝1,2,…,R，DI^r₁和DI^r₂分别为对应于第r个信号的互相关损伤因子DI₁和频谱幅度差损伤因子DI₂，表达式分别如下：

其中，b(t)和m(t)分别代表计算损伤因子时的基准信号和监测信号；t₀和t₁分别代表计算损伤因子时选取的信号段的起始、截止时间；ω₀和ω₁分别为选取的信号频谱段的起始频率和截止频率。

3.根据权利要求1所述的时变环境下结构损伤的高斯混合模型-路径累积成像方法，其特征在于，步骤(1)和(2)中所述的高斯混合模型表达式如下：

其中，表示高斯混合模型表征的x_r的概率密度函数，表示的分布参数，G为高斯混合模型中高斯分量的个数，π_g和θ_g分别为第g个高斯分量ξ_g的混合权值和分布参数，g＝1,2,…,G，ξ_g的概率密度函数表达如下：

其中，μ_g和Σ_g分别为ξ_g的均值向量和协方差矩阵，d为x_r的维度。