[发明专利]基于高斯混合模型的疲劳裂纹检测方法及系统

说明书

本发明公开了基于高斯混合模型的疲劳裂纹检测方法及系统，通过获取监测构件在不同温度工况下的多个检测数据以及对应的裂纹参数；分别提取不同温度工况下的多个检测数据的损伤特征，并所述损伤特征分别构建不同温度工况对应的高斯混合模型；并基于提取不同温度工况下的多个检测数据的损伤特征及其对应的裂纹参数分别构建不同温度工况下的裂纹定量损伤模型；再基于高斯混合模型识别待检测数据的温度工况类别，并使用与温度工况类别对应的裂纹定量损伤模型提取裂纹参数。本发明通过构建高斯混合模型来确定监测对象所处的实际工况，再通过实际工况下的裂纹定量损伤模型实现时变环境下的损伤监测，能大大提高损伤监测的准确性和稳定性。

技术领域

本发明涉及构件裂纹检测技术领域，尤其涉及基于高斯混合模型的疲劳裂纹检测方法及系统。

背景技术

轨道车辆、机械装备等含有大量的铝合金板状结构在循环载荷的作用下容易产生疲劳裂纹损伤，任由裂纹扩展将导致结构功能失效，导致严重的安全性事故。为了预防上述问题，现有技术一般会对铝合金板状结构进行疲劳裂纹损伤检测，常用的检测方法为基于Lamb波信号特征值的裂纹监测方法，该方法在不同温度下都采用相同监测方式，即通过信号处理方法，从时间域、频率域或时频域中提取出具有物理意义的与裂纹长度变化有一定线性关系的特征值，再建立特征值与裂纹之间的关系，从而实现对裂纹的识别和检测。

然而列车在服役过程中，铝合金板状结构不仅要承受疲劳载荷的作用，还要承受环境造成的损伤，这其中就包括温度环境。极端温度(高温和低温)会使得铝合金材料疲劳裂纹更加容易萌生，缩短结构件的寿命。另外不同温度下，Lamb信号相位与幅值会产生变化，加上温度变化引起的热胀冷缩效应，压电传感器处接收到的不同温度下的信号差异性增大。

如果不同温度下都采用相同监测方式，将会导致监测结果精度和稳定性低，从而可能导致严重的安全性事故。

因此，如何解决现有的基于Lamb波信号特征值的裂纹监测方法在不同温度下都采用相同监测方式，导致监测结果精度和稳定性低已成为本领域技术人员亟待解决的技术问题。

发明内容

本发明提供了基于高斯混合模型的疲劳裂纹检测方法及系统，用于解决现有的基于Lamb波信号特征值的裂纹监测方法在不同温度下都采用相同监测方式，导致监测结果精度和稳定性低的技术问题。

为解决上述技术问题，本发明提出的技术方案为：

一种基于高斯混合模型的疲劳裂纹检测方法，包括以下步骤：

获取监测构件在多个不同温度工况下的多个检测数据及对应的裂纹参数；

分别提取每种温度工况下的多个检测数据的损伤特征，并基于每种温度工况下的多个检测数据的损伤特征构建每个温度工况下损伤特征的高斯混合模型；并基于每个温度工况下的多个检测数据的损伤特征及对应的裂纹参数构建每个温度工况下的裂纹定量损伤模型；

获取监测构件的待检测数据，并提取待检测数据的损伤特征，将待检测数据的损伤特征分别输入到每个温度工况下的损伤特征的高斯混合模型中，得到待检测数据的损伤特征与每个温度工况的损伤特征的相似度值；选取相似度值最大的高斯混合模型对应的温度工况作为待检测数据的温度工况；将待检测数据的损伤特征输入其温度工况对应的裂纹定量损伤模型，得到待检测数据对应的裂纹参数。

优选的，分别提取每种温度工况下的多个检测数据的损伤特征，包括以下步骤：

对每种温度工况下的多个检测数据进行脉冲压缩处理；

对脉冲压缩处理后的每种温度工况下的多个检测数据进行损伤特征提取；

对从每个检测数据中提取的损伤特征进行降维处理，得到每个损伤特征的降维数据。

优选的，对从每个检测数据中提取的损伤特征进行降维处理，包括以下步骤：