[发明专利]基于高斯权值-混合粒子滤波的疲劳裂纹扩展预测方法

摘要

本发明公开了一种基于高斯权值‑混合粒子滤波的疲劳裂纹扩展预测方法，属于故障预测与健康管理技术领域。本发明提出了一种高斯权值‑混合粒子滤波算法，其根据获得的裂纹长度观测值定义一个观测概率密度，以该观测概率密度和先验转移概率密度的线性组合作为粒子滤波算法的重要性密度函数，并且通过与先验估计之间的高斯权值作为从观测概率密度中采样得到的粒子的权值，然后与基于主动导波的裂纹监测方法相结合，以实现疲劳裂纹扩展的准确预测。本发明所提出的高斯权值‑混合粒子滤波算法从重要性密度函数中采样时，同时考虑了先验信息和观测信息，降低了对准确定义疲劳裂纹扩展状态方程的依赖，在结构的疲劳裂纹扩展预测方面具有广泛的应用前景。

主权项

1.一种基于高斯权值‑混合粒子滤波的疲劳裂纹扩展预测方法，其特征在于，包括如下步骤：（1）在结构处于服役条件下，采用基于主动导波的结构健康监测方法对结构的疲劳裂纹进行在线监测，通过获取的导波信号计算损伤因子，并以损伤因子作为裂纹长度的观测值；同时根据结构的实际服役情况定义结构的疲劳裂纹扩展状态空间模型；（2）在结构处于服役条件下，每当获得一个新的裂纹长度观测值，按照定义的混合系数，从均匀分布U(0,1)中随机采样得到随机数，如果该随机数大于，从观测概率密度中随机采样得到一个表征裂纹长度的粒子，否则从先验转移概率密度中随机采样得到粒子，重复该过程的得到确定数目粒子组成的粒子集；（3）对于从先验转移概率密度中采样得到的粒子，通过观测似然概率密度加权；而对于从观测概率密度中采样得到的粒子，根据先验估计定义一个高斯权值分布，通过粒子与先验估计之间的高斯权值作为粒子的权值，然后对所有粒子的权值进行归一化，得到粒子的归一化权值；（4）通过粒子集和相应的归一化权值表征裂纹长度的后验概率密度，并计算裂纹长度的后验估计；在获得的后验概率密度基础上，将粒子向未来时刻投影得到当前时刻的疲劳裂纹扩展预测结果；（5）根据每个粒子的归一化权值，使用系统重采样算法进行重采样；（6）重复上述步骤（2），（3），（4），（5），（6）实现在线的疲劳裂纹扩展预测。