[发明专利]基于动态状态的导波-隐马尔可夫模型裂纹在线评估方法

说明书

本发明公开了一种基于动态状态的导波‑隐马尔可夫模型裂纹在线评估方法，采用导波‑隐马尔可夫模型进行疲劳裂纹的萌生诊断和定量化评估，结合无损检测数据对导波‑隐马尔可夫模型中的隐含状态进行更新，动态增加新的隐含状态，并更新和修正导波‑隐马尔可夫模型输出的平滑概率因子标定模型，提高疲劳裂纹在线评估准确性。本发明可以有效地解决初始先验数据与单机结构实际状态差异导致损伤评估准确性降低的问题，实现飞行器金属结构疲劳裂纹的可靠评估。

技术领域

本发明属于结构健康监测技术领域，具体涉及一种基于动态状态的导波-隐马尔可夫模型(Guided wave-hidden Markov model,GW-HMM)裂纹在线评估方法。

背景技术

飞行器结构完整性对于保障飞行器安全至关重要。对于飞行器结构，疲劳损伤是其最主要且最危险的损伤形式之一。在飞行器服役过程中，及时准确地获取结构疲劳损伤状态对于航空飞行器结构的安全评定和维护保障都具有重大意义。近三十年来，结构健康监测(Structural Health Monitoring，SHM)技术被提出并快速发展，逐步从理论研究转向航空工程应用。在SHM技术面向工程应用过程中，实现服役条件下的疲劳损伤诊断是其面临的重要挑战之一。其主要原因在于，服役条件下单机结构疲劳载荷、边界条件、服役环境参数等都将随机变化，这些不确定性变化不仅仅影响疲劳损伤的萌生和扩展，还会影响结构健康监测传感器和系统性能，导致从结构健康监测信号中提取的损伤特征具有强不确定性和偏置，使得许多在实验室中进展顺利的SHM技术在面向工程应用时损伤评估准确性降低。

隐马尔可夫模型(Hidden Markov Model，HMM)作为一种强模式识别工具，非常适用于对非稳态的不确定性数据建模，因此被广泛应用于机械旋转结构的振动信号建模，以实现服役条件下的机械结构故障诊断。一些学者也将隐马尔可夫模型和压电导波结构健康监测技术尝试结合，建立导波-隐马尔可夫模型诊断方法进行疲劳损伤评估，被认为是解决服役条件下损伤评估的一种非常有前景的方法。已有传统方法首先确定结构隐含损伤状态数目，采用分别属于这些隐含状态的先验数据对隐马尔可夫模型进行训练和标定，然后通过结构在线获取的数据以确定结构所属的损伤状态或者损伤程度。然而由于单机结构服役条件未知，并且结构疲劳损伤会逐渐演化，其可能的损伤状态与初始先验数据定义的状态并不一致，导致损伤评估准确性降低。

发明内容

针对飞行器服役不确定性影响下结构疲劳裂纹的在线评估问题，本发明的目的在于提供一种基于动态状态的导波-隐马尔可夫模型(Guided wave-hidden Markov model,GW-HMM)裂纹在线评估方法，本发明采用导波-隐马尔可夫模型进行疲劳裂纹的萌生诊断和定量化评估，结合无损检测数据对导波-隐马尔可夫模型中的隐含状态进行更新，动态增加新的隐含状态，并更新和修正导波-隐马尔可夫模型输出的平滑概率因子标定模型，提高疲劳裂纹在线评估准确性。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于动态状态的导波-隐马尔可夫模型裂纹在线评估方法，步骤如下：

(1)通过同类结构在健康状态下采集的导波观测值训练离线导波-隐马尔可夫模型；

(2)在线获取目标结构导波观测值，输入至训练后的离线导波-隐马尔可夫模型，通过判断训练后的离线导波-隐马尔可夫模型输出的平滑概率因子是否超过阈值来诊断结构裂纹萌生；若未超过阈值，则重复步骤(2)；若超过阈值则裂纹萌生，通过已获取的目标结构导波观测值重新训练离线导波-隐马尔可夫模型的参数，得到在线导波-隐马尔可夫模型；

(3)通过同类结构在不同裂纹尺寸下获得的导波观测值对在线导波-隐马尔可夫模型的平滑概率因子标定模型进行训练；

(4)在线获取目标结构导波观测值，先后输入在线导波-隐马尔可夫模型和平滑概率因子标定模型中，输出目标结构裂纹评估结果；