[发明专利]一种基于时不变特征信号构建的结构损伤四维成像方法

权利要求书

1.一种基于时不变特征信号构建的结构损伤四维成像方法，其特征在于，包括步骤如下：

1)时不变特征信号构建：采用概率统计建模方法描述导波信号中每个采样点的幅值在时变因素影响下的不确定性分布，在监测过程中对模型进行更新并量化其迁移程度，从而抑制时变因素影响、突出损伤影响，获得每个采样点幅值的时不变描述，基于连续复数小波变换对所有采样点的幅值时不变描述进行平滑滤波，构建时不变特征信号；

2)损伤四维成像：采用导波成像方法融合各激励传感通道的时不变特征信号，增强损伤的影响，并对损伤进行四维成像，其中，四维包括结构上各个点的二维坐标、损伤发生概率、概率随时间的迁移变化；生成一系列损伤信息不断累积、损伤位置不断凸显的成像结果，并对最终的成像结果进行聚焦处理，实现时变条件下结构损伤的可靠和准确定位；

所述步骤1)中的时不变特征信号构建过程具体包括：

11)当结构处于时变环境且健康无损伤时，获取各个激励传感通道的R组基准特征信号，每组基准特征信号包含T个采样点，R和T为大于1的自然数；

12)对于基准特征信号中的每个采样点t，1≤t≤T，构建该采样点对应的基准特征样本集X_b(t)＝{A₁,…,A_r,…,A_R}，其中A_r为第r个基准特征信号在采样点t处的幅值，1≤r≤R，基于X_b构建采样点t对应的基准高斯混合模型Φ_b(t)，用于描述X_b(t)在时变因素影响下呈现出的不确定性分布；

式中，K为高斯混合模型中高斯分量的个数，μ_k,Σ_k,w_k分别为第k个高斯分量的均值向量、协方差矩阵和权值，k＝1,2,…,K，Φ_k的概率密度函数表达如下：

13)当结构处于时变环境和损伤监测状态下时，每获取一次监测特征信号，就更新一次采样点t的概率统计模型，对于第n次更新，1≤n≤N，将采样点t的基准特征样本集更新至第n个监测特征样本集X_mⁿ(t)＝{A_n+1,…,A_R,…,A_R+n}，其中A_R+n为第n次更新时获取的监测特征信号在采样点t的幅值，在此基础上构建对应于第n次更新的监测高斯混合模型Φ_mⁿ(t)，用于描述X_mⁿ(t)在时变因素影响下的不确定性分布；

14)对于采样点t，采用KL距离量化其监测高斯混合模型Φ_mⁿ(t)相对于基准高斯混合模型Φ_b(t)的迁移变化程度，抑制时变因素的影响，获得第n次更新时采样点t处信号幅值特征的时不变描述KL(t,n)；

式中，tr为矩阵的迹，∑_mⁿ(t)为Φ_mⁿ(t)的协方差矩阵，∑_b(t)为Φ_b(t)的协方差矩阵，μ_mⁿ(t)为Φ_mⁿ(t)的均值矩阵，μ_b(t)为Φ_b(t)的均值矩阵，det为矩阵的行列式值；

15)重复上述步骤12)～14)，依次量化1～T内所有采样点的概率统计模型的迁移变化程度并获得相应时不变描述后，再基于连续复数小波变换对所有采样点的时不变描述进行平滑滤波，构建对应于第n次更新的时不变特征信号；

所述步骤2)中的损伤四维成像具体包括：

21)分别构建对应于第n次更新时每个通道z的时不变特征信号E_zⁿ，1≤z≤Z，采用延迟-累加成像方法来融合各激励传感通道的时不变特征信号，增强损伤影响，实现一次损伤成像，实施过程如下：

按下式计算结构的监测区域中任意一点(x,y)在各个激励传感通道上的信号预计到达时间t_z(x,y)；

式中，t_off为激励信号对应的时间偏移，t_travel为导波信号从通道z的激励器传播到点(x,y)，再传到通道z的传感器所需要的时间，v为结构中各激励传感通道导波信号的平均群速度，(x_z^a,y_z^a)和(x_z^s,y_z^s)分别为通道z的激励器和传感器的坐标；

根据t_z(x,y)，获得点(x,y)在通道z的时不变特征信号包络E_zⁿ中的对应值，按下式计算该点的损伤发生概率Eⁿ(x,y)，并将该概率作为像素值进行损伤成像，

22)不断更新各通道的时不变特征信号，每次更新时均重复上述步骤21)，进行损伤的四维成像，从而逐渐生成N幅损伤信息不断累积、损伤位置不断凸显的成像结果；

23)结合损伤四维成像结果，对最终的第N幅图像中每个点的像素值E^N(x,y)进行如下变换，通过图像聚焦突出损伤位置，最终实现损伤的可靠和准确定位，

E^N(x,y)＝[E^N(x,y)]⁸·tan(E^N(x,y))/1.5574。