[发明专利]基于高斯混合模型及嵌套传输距离的结构损伤诊断方法

说明书

本发明公开了基于高斯混合模型及嵌套传输距离的结构损伤诊断方法，属于结构健康监测领域，包括，通过高斯混合模型追踪结构在健康状态下和不同程度损伤状态下导波信号特征的概率分布，提出嵌套传输距离，将结构在不同程度损伤状态下的信号特征高斯混合模型与结构在健康状态下的基准高斯混合模型之间的嵌套传输距离作为损伤量化指标，建立嵌套传输距离与损伤程度之间的定量关系，进而估计目标结构的损伤。本发明的基于高斯混合模型及嵌套传输距离的结构损伤诊断方法，实现了线性度和准确度良好的高斯混合模型差异度量；在时变服役条件的不确定性影响下能够实现可靠的结构损伤量化评估。

技术领域

本发明涉及结构健康监测技术领域，且特别是有关于基于高斯混合模型及嵌套传输距离的结构损伤诊断方法。

背景技术

结构健康监测技术在提高结构的使用安全性和可靠性方面有着广泛的应用前景；同时，结构健康监测技术将定期维护替换为按需维护，节省了结构的维护成本。随着对结构健康监测需求的增加，基于不同传感器、系统和诊断方法的组合，发展了多种健康监测技术，如振动监测、应变监测、导波监测、声发射监测等。在这些技术中，导波监测技术因其传播距离远、监测范围大、对小损伤敏感等特点而被广泛使用。

在结构健康监测中，能够诊断结构损伤程度的结构损伤量化诊断技术具有非常重要的应用价值。但实际工程应用中，载荷、温度、湿度和边界条件等时变服役条件直接影响结构损伤量化诊断结果的可靠性。导波监测技术主要通过监测信号相比于健康结构上基准信号的变化程度来进行损伤诊断，在实际监测时，通过信号幅度差、能量差、相关矩等信号特征来度量导波信号的变化程度，然后根据这些信号特征的大小和变化情况来评估结构损伤的严重程度。然而，除了损伤外，时变服役条件也会引起信号及其特征的变化，且损伤和时变服役条件引起的信号变化相互混淆，导致结构损伤评估难以可靠进行。因此，抑制时变服役条件的不确定性影响对实现可靠的导波监测至关重要。

为实现时变服役条件不确定性影响下的可靠损伤诊断，现有技术中一般通过高斯回归、支持向量机、神经网络等方法建立信号特征与损伤程度之间的关系模型，以实现结构损伤的定量化诊断，然而，由于复杂的时变服役条件影响，这些方法中的关系模型复杂，训练过程计算量大且需要大量已知损伤程度标签的训练数据。为解决这个问题，一种方法是通过信号特征的高斯混合模型来表征时变条件的随机影响，并通过高斯混合模型的变化来诊断结构损伤。例如，文献(Chakraborty D,Kovvali N,Papandreou-Suppappola A,etal.An adaptive learning damage estimation method for structural healthmonitoring.Journal of Intelligent Material Systems and Structures,2015,26(2):125-143.)提出根据高斯混合模型中所含的高斯分量的变化结合结构物理裂纹扩展模型，实现了温度影响下铝板结构的裂纹长度量化诊断；文献(Rogers T J,Worden K,FuentesR,et al.A Bayesian non-parametric clustering approach for semi-supervisedstructural health monitoring.Mechanical Systems and Signal Processing,2019,119:100-119.)提出将信号特征的高斯混合模型中新高斯分量的出现作为裂纹扩展的预警，并结合无损检测方法测量实际结构裂纹长度。然而，在这些方法依赖的高斯混合模型中，新高斯分量也会因服役条件变化引起的信号特征分布变化而出现，故这些方法诊断结构损伤的可靠性有待提高。另一种方法是，根据高斯混合模型之间的Kullback Leibler散度、马氏平方距离、归一化概率相似性等差异性度量方式评估结构的状态，然而，这些度量方式不能线性度量高斯混合模型的变化，且大多用于结构损伤的预警。

综上所述，虽然高斯混合模型及其差异性度量是一种抑制不确定性影响的有效手段，但现有的高斯混合模型的差异性度量方式仍有待优化，且缺少一种行之有效的基于高斯混合模型差异性度量的结构损伤量化诊断方法。

发明内容