[发明专利]基于压电导纳的数据压缩重构及结构损伤识别方法、设备

说明书

本发明属于结构健康监测领域，涉及基于压电导纳的数据压缩重构及结构损伤识别方法、设备。该方法通过采集原始电导数据，并对其作最大最小归一化处理；利用压缩感知理论对处理后的采样数据进行压缩，通过随机矩阵对数据实施线性变换，将恢复原始信号的问题转化为残差迭代问题；基于优化稀疏度参数分析的自适应正交匹配追踪算法对电导数据进行重构；利用重构数据得到的均方根偏差和相关系数对结构进行损伤诊断。该方法能够有效地将基于压电导纳技术的损伤识别与基于正交匹配追踪算法的数据压缩算法结合，能够有效识别结构不同类型的损伤，并且在传感器带伤作业的情况下依然有效。

技术领域

本发明属于结构健康监测领域，涉及一种基于压电导纳的数据压缩重构及结构损伤识别方法、设备，更具体地，涉及一种结合运用数据压缩和重构理论与压电导纳技术的损伤识别方法。

背景技术

由于土木工程结构处于复杂多变的环境下作业，受自身材料退化、环境腐蚀、外力干扰(如风、地震)等耦合因素影响，造成结构或构件的损伤。其中绝大部分损伤属于一个渐变的过程，期间引发的微小损伤通过肉眼难以识别，因而结构早期的微小损伤逐渐积累而诱发大的隐患至今都是土木工程领域面对的难题。基于传统压电阻抗技术的损伤识别系通过将PZT传感器粘结于结构表面或植入结构内部，设置局部高频激励，利用PZT正逆压电效应，以PZT自身同时作为驱动器和传感器，获取结构局部性能(质量，刚度，阻尼等)相关信息，一般以初始(未损)情形为基线状态，再根据同样方法获取待测(未知)状态的相关信息，以比较其与基线状态的不同而识别结构局部性能变化的信息，从而实现局部微小损伤的识别。

然而其缺陷在于(并不限于)：监测过程中所需采样的数据量极为庞大，数据采集系统储存负荷过重，不利于试验/工程人员进行实时数据收集和处理分析；且采样过程易受到环境、人为干扰因素强烈的影响，导致识别效果大幅降低。

发明内容

针对传统技术的缺陷或改进需求，本发明提供了一种基于压电导纳的数据压缩重构及结构损伤识别方法、设备，其目的在于，对于压电导纳数据中的电导信号，通过将基于正交匹配追踪算法的压缩感知理论引入到基于压电导纳技术的信号压缩重构与损伤识别过程中，可以对复杂庞大的信号进行压缩采样并且重构后不失真，从而降低数据采样、存储的成本，并提高结构损伤识别的效率。

为了实现上述目的，按照本发明的一个方面，提供了一种基于压电导纳的数据压缩重构方法，包括如下步骤：

(1)基于压电导纳技术，采集结构初始状态时的导纳数据，将原始电导信号作如下最大最小归一化处理：

其中，为原始电导信号，为的最小值，为的最大值，X为处理后的原始电导信号，长度为m；

(2)设定稀疏度区间范围及步长[S_start：S_step：S_end]，其中，S_start为所选稀疏度最小值，S_step为所选稀疏度步长，S_end为所选稀疏度最大值，从而得到一系列稀疏度S_i，下标i表示稀疏度序号；

(3)输入当前稀疏度S_i，下标i表示第i个稀疏度，设置相对应的测量数n，

n＝cst×ceil(S_i/log(m/S_i))

设置转换基Ψ_(m×m)和测量矩阵Φ_(n×m)，下标m×m和n×m表示矩阵行列数，基于公式Y＝ΦX＝ΦΨα＝Θα，对信号X进行基于压缩感知理论与正交匹配追踪算法的数据压缩与重构，包括：