[发明专利]基于自适应密度峰值-混合概率建模的结构损伤监测方法

说明书

本发明提出了一种基于自适应密度峰值‑混合概率建模的结构损伤监测方法，属于航空结构健康监测技术领域。本方法首先通过自适应密度峰值快速搜寻策略确定结构信号特征样本的概率密度峰值。在此基础上通过期望最大化算法建立能够表征结构信号特征样本概率分布的混合概率模型。最终采用概率密度内积损伤指标定量表征结构监测状态下混合概率模型相对于健康状态下混合概率模型的迁移变化，实现归一化的损伤评估。本发明的方法简单且计算效率高，可以有效提高时变环境下结构损伤监测的自适应性、稳定性和可靠性。

技术领域

本发明涉及一种基于自适应密度峰值-混合概率建模的结构损伤监测方法，属于航空结构健康监测技术领域。

背景技术

航空结构健康监测技术能够在线监测航空结构的健康状态，进而对结构损伤及剩余寿命进行预测和估计，从而达到保障飞行器结构安全和降低结构维护成本等目的。近年来，航空结构健康监测技术已由早期的理论研究逐渐转向工程应用研究。但在实际的航空工程应用中，结构健康监测技术往往要面临相比实验室条件下更为复杂的时变服役环境，例如变化的温湿度、边界条件、随机振动、疲劳载荷等。在时变环境因素的影响下，结构健康监测传感器输出信号的特征参数会出现很大的不确定性变化，这些变化会混淆损伤引起的信号特征参数变化，故无法直接根据信号特征参数变化进行可靠的损伤诊断。

由于时变服役环境因素对信号特征参数的影响体现出很强的不确定性，且诸如载荷、边界条件等的时变环境因素难以直接测量，故常规的环境因素补偿等方法难以应用于服役中的航空结构。考虑到混合概率模型能够通过多个概率分量的加权组合逼近时变环境影响下信号特征的复杂随机分布，近年来国内外学者将混合概率模型应用到损伤监测研究中，为解决时变损伤诊断可靠性问题提供了一条可行途径。

基于混合概率模型的损伤监测方法主要通过度量信号特征参数的概率分布在监测过程中产生的变化实现损伤监测。这种方法在结构健康状态及监测状态下分别建立基准及监测混合概率模型，来拟合两种状态下信号特征参数的概率分布。信号特征参数由时变环境因素引起的随机分布已由基准混合概率模型表征，故可根据监测混合概率模型相对于基准混合概率模型的变化评估结构的损伤状态。

基于混合概率模型的损伤监测方法主要有两种实施过程。第一类主要基于期望最大化算法直接建立混合概率模型。虽然此类方法的有效性已在很多研究工作中得到证实，但其中期望最大化算法易受初始化影响而陷入局部极值，致使建模结果很不确定，且容易出现奇异的概率分量。此外，这类方法中概率分量数目往往是人为设定的，并不能准确反映信号特征的分布情况，且监测过程中分量数目不能随着信号特征分布的变化而改变。因此虽然这种方法简单高效，但是其损伤监测结果的稳定性及可靠性都有待提高。第二类主要是基于自适应混合概率模型的损伤监测方法。此类方法中建立的混合概率模型的概率分量数目能够自适应信号特征参数由时变环境因素引起的概率分布变化，但是此类方法的自适应机制往往非常复杂，且不能保证建模结果的稳定性，故此类损伤监测方法的计算效率及可靠性也亟待提高。

发明内容

为解决时变服役环境下真实航空结构的损伤监测可靠性的应用瓶颈问题，本发明提出了一种基于自适应密度峰值-混合概率建模的结构损伤监测方法，本发明实施过程简单高效，可以有效提高时变环境下结构损伤监测的自适应性、稳定性及可靠性。

本发明为解决其技术问题采用如下技术方案：

一种基于自适应密度峰值-混合概率建模的结构损伤监测方法，包括以下几个步骤：

(1)在结构处于时变服役条件，根据结构健康状态下的信号特征样本，建立基准特征样本集，基于自适应密度峰值-混合概率建模算法，建立基准混合概率模型；

(2)在结构处于时变服役条件下，根据结构监测状态下的N个信号特征样本，N为大于等于1的自然数，动态更新监测特征样本集；

(3)基于更新后的监测特征样本集，采用自适应密度峰值-混合概率建模算法，建立监测混合概率模型；