[发明专利]一种基于导波信号稀疏分解及损伤定位的两阶段损伤位置识别方法

摘要

一种基于导波信号稀疏分解及损伤定位的两阶段损伤位置识别方法，涉及超声无损检测领域。本发明是为了解决稀疏表示在超声导波信号重叠波包识别中存在的字典设计方法和信号稀疏分解算法不够完善，进而导致超声导波信号分析得到的结果不够精确的问题。本发明利用惩罚项使系数向量尽可能稀疏，大大降低了噪声与字典原子匹配的可能性；利用导波的传播模型设计字典矩阵，其中考虑导波的频散、多模态和模态转换问题，以线性分解的形式识别重叠波形，相比常规的信号处理方法更具有优势；采用基于稀疏贝叶斯学习的稀疏优化求解算法，在处理稀疏表示这类欠定线性问题方面具有独特的优势，对噪声的鲁棒性也更好。

主权项

1.一种基于导波信号稀疏分解及损伤定位的两阶段损伤位置识别方法，其特征在于，包括以下两个阶段：/n第一阶段：/n步骤一：在待检测波导中激励形成具有两种模态的超声导波信号，在待检测波导上设置多个采集点、并采集每个采集点处的超声导波信号；/n步骤二：根据超声导波信号的采样频率确定每一采样时刻下每种模态的超声导波信号所传播的距离；/n步骤三：根据步骤二获得的距离，利用考虑模态转换的导波传播模型分别预测每一采样时刻下超声导波信号传播距离x后的波包信号，将预测的所有采样时刻下的波包信号共同组成完备字典矩阵，并对该完备字典矩阵中的每一列向量进行2范数归一化处理；/n步骤四：利用步骤三2范数归一化后的完备字典矩阵对步骤一采集的每个超声导波信号进行稀疏分解，获得每个超声导波信号的系数向量，利用稀疏贝叶斯学习算法求解每个系数向量在稀疏约束条件下的后验概率分布；/n步骤五：分别对步骤四获得的每个后验概率分布的均值和协方差进行N次多元高斯采样，将每个样本中最大权重值所对应的传播距离作为相应超声导波信号的一个传播距离，每个超声导波信号共获得N个传播距离，N为正整数，/n将所有超声导波信号中的第i个传播距离组成一个距离向量，则有N个距离向量，其中i＝1,2,…,N；/n第二阶段：/n步骤六：利用待检测波导表面每一个估计损伤位置到所有采集点的距离构成字典矩阵，对该字典矩阵中的每个向量进行2范数归一化处理；/n步骤七：利用步骤六中2范数归一化后的字典矩阵分别对步骤五获得的每个距离向量进行稀疏分析，获得N个关于估计损伤位置的系数向量，利用稀疏贝叶斯学习算法求解每个系数向量在稀疏约束条件下的后验概率分布，对每个后验概率分布的均值和协方差进行一次多元高斯采样，将每个样本中将最大样本值对应的位置坐标作为一个估计损伤位置坐标，共获得N个估计损伤位置坐标，将其中重复率最高的估计损伤位置坐标所在位置作为识别的损伤位置。/n