版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、針對簡單結(jié)構(gòu)和復(fù)雜結(jié)構(gòu)以及工作環(huán)境變化時系統(tǒng)地研究了基于導(dǎo)波的結(jié)構(gòu)健康監(jiān)測技術(shù)。提出了有效的特征提取技術(shù)與損傷識別方法,使其更適用于工程實踐。
首先綜述了基于導(dǎo)波的結(jié)構(gòu)健康監(jiān)測技術(shù)的研究概況、結(jié)構(gòu)中導(dǎo)波的各個模式與缺陷相互作用的現(xiàn)象、用于提取導(dǎo)波信號特征的信號處理技術(shù)和結(jié)構(gòu)損傷的識別方法幾個方面的國內(nèi)外研究成果和發(fā)展趨勢。在此基礎(chǔ)上提出了本文的主要研究內(nèi)容、方法、路線以及結(jié)構(gòu)綱要。
利用動態(tài)有限元方法,研究薄鋁板中的
2、低頻蘭姆波的基礎(chǔ)階對稱(S0)模式和基礎(chǔ)階反對稱(A0)模式與切縫缺陷和孔洞缺陷的相互作用現(xiàn)象。利用圓柱坐標(biāo)系把節(jié)點位移沿缺陷所散射的波信號的傳播方向和垂直于該方向進行正交分解。分別采用徑向板內(nèi)位移(Uh)、板外位移(Uz)和垂直于徑向的板內(nèi)位移(Uv)描述缺陷散射的S0模式、A0模式和基礎(chǔ)階剪切(SH0)模式。在缺陷周圍的波場內(nèi)校對缺陷散射的能量在不同角度的感應(yīng)節(jié)點上的分布。結(jié)果表明在某些損傷情形下缺陷散射的S0模式、A0模式和SH0
3、模式的能量并不隨缺陷尺寸的單調(diào)變化而單調(diào)變化。因此不能僅從缺陷所散射的能量大小推斷缺陷的大小。根據(jù)各個模式的傳播群速度推斷S0模式與厚度方向通透的切縫缺陷和孔洞缺陷相互作用時,不僅生成散射的S0模式,而且S0模式轉(zhuǎn)換后生成SH0模式。A0模式與厚度方向通透的切縫缺陷和孔洞缺陷相互作用時僅生成散射的A0模式。在較小頻厚積(小于1MHz·mm)的情況下,S0模式更適合用于利用主動傳感器網(wǎng)絡(luò)進行損傷識別的研究。對蘭姆波與缺陷相互作用現(xiàn)象的研究
4、有助于進一步研究提取代表損傷信息的信號特征技術(shù)和相應(yīng)的損傷識別方法。
為實現(xiàn)基于導(dǎo)波的旋轉(zhuǎn)圓柱結(jié)構(gòu)的健康監(jiān)測,提出了一個圓柱模型和相應(yīng)的損傷識別方法。當(dāng)該圓柱模型存在不同缺陷時,基于動態(tài)有限元方法定義并校對所感應(yīng)的縱(L)波的反射系數(shù)和殘余系數(shù)。仿真結(jié)果表明殘余系數(shù)可以作為一個有效的特征參數(shù)用于損傷識別。這種損傷識別方法在實驗中得以驗證。利用一個圓形的薄鋁板模擬該圓柱模型的徑向切片。兩個圓形的壓電應(yīng)變片(piezoelectr
5、ic transducer,PZT)分別固定在鋁板上下表面的圓心位置用于激勵和采集導(dǎo)波信號。在無缺陷(基準(zhǔn))狀態(tài)下和有缺陷(檢測)狀態(tài)下從導(dǎo)波信號中提取第一階基本模式分量(intrinsic mode function,IMF)作為信號特征,并進行比較以校對S0模式的殘余系數(shù)。實驗結(jié)果和仿真結(jié)果的一致性驗證了所提出的損傷識別方法的有效性,并且為實現(xiàn)基于導(dǎo)波的旋轉(zhuǎn)圓柱結(jié)構(gòu)的健康監(jiān)測奠定了基礎(chǔ)。
為實現(xiàn)在寬帶噪聲干擾的工作環(huán)境下的
6、損傷識別,提出一種合理的特征提取技術(shù)。利用分譜處理(split spectrum processing,SSP)算法,通過比較基準(zhǔn)波信號(結(jié)構(gòu)無缺陷時所采集的波信號)和檢測波信號(結(jié)構(gòu)有缺陷時所采集的波信號)的瞬時幅值變化度(instantaneous amplitude variation degree,IAVD)來提取代表損傷信息的信號特征。通過評估缺陷散射的S0模式的飛行時間(time-of-flight,ToF),最終實現(xiàn)基于導(dǎo)
7、波的損傷識別。首先在理想的工作環(huán)境中(無噪聲),對無缺陷的鋁板進行檢測。然后在不同的工作環(huán)境中(無噪聲和有噪聲)檢測帶有切縫缺陷的鋁板。實驗結(jié)果表明,當(dāng)檢測波信號的信噪比(signal-to-noise ratio,SNR)較低時,噪聲能量嚴(yán)重干擾了檢測波信號的能量分布。然而,SSP算法所提取的檢測波信號的IAVD幾乎不受噪聲的干擾。因此利用SSP算法能夠有效地抵抗寬帶噪聲的干擾,精確地評估缺陷散射的S0模式的ToF,并進一步結(jié)合三角定
8、位算法成功地定位出鋁板中的切縫缺陷。
針對復(fù)雜結(jié)構(gòu),為了避免在分析蘭姆波信號時由激勵和采樣的時間非同步性以及基準(zhǔn)狀態(tài)下和檢測狀態(tài)下激勵波信號的差異所導(dǎo)致的損傷識別誤差提出了一個基于導(dǎo)波能量譜的相關(guān)性分析來校對傳感路徑損傷指數(shù)(damage index,DI)的方法。分別依據(jù)兩種方案校對DI,并把所校對的DI作為代表損傷信息的特征參數(shù)。方案I:分析一條傳感路徑在基準(zhǔn)狀態(tài)下與檢測狀態(tài)下感應(yīng)波信號能量譜的相關(guān)性,并把相關(guān)系數(shù)作為所校
9、對的該條傳感路徑的DI。方案II:校對一條傳感路徑激勵波信號與感應(yīng)波信號能量譜的相關(guān)系數(shù),檢測狀態(tài)下相關(guān)系數(shù)相對于基準(zhǔn)狀態(tài)下相關(guān)系數(shù)的變化量被作為該條傳感路徑的DI。實驗中分別結(jié)合依據(jù)方案I和方案II所校對的DI與損傷診斷成像算法定位帶有加強筋的碳纖維復(fù)合材料板上的錐形孔缺陷。利用加權(quán)分布函數(shù),傳感器網(wǎng)絡(luò)中各條傳感路徑所校對的DI值被映射到檢測區(qū)域內(nèi)的各個離散坐標(biāo)上,構(gòu)建了缺陷出現(xiàn)在這些離散坐標(biāo)上的概率圖像。結(jié)果表明,這種基于導(dǎo)波能量譜
10、相關(guān)性分析的方法可以避免信號激勵和采樣的時間同步性影響;方案II相比于方案I可以更有效地避免由基準(zhǔn)狀態(tài)下和檢測狀態(tài)下激勵波信號的差異所導(dǎo)致的識別誤差,實現(xiàn)對復(fù)雜結(jié)構(gòu)中缺陷的精確識別。
為實現(xiàn)不參考基準(zhǔn)狀態(tài)信息的損傷識別技術(shù),并盡量減少傳感器網(wǎng)絡(luò)中傳感路徑的數(shù)量以識別多缺陷,提出一個結(jié)合時間逆轉(zhuǎn)的蘭姆波與損傷診斷成像算法的損傷識別方法。通過分析在時間逆轉(zhuǎn)過程中所獲得的重建波形與原始激勵的調(diào)幅脈沖之間的波形扭曲來校對基于時間逆轉(zhuǎn)的
11、DI,并把所校對的DI作為代表損傷信息的特征參數(shù)。利用動態(tài)有限元方法在無缺陷和有不同切縫缺陷(不同長度)的鋁板中研究蘭姆波的時間可逆性,并評估這個基于時間逆轉(zhuǎn)的DI對損傷識別的有效性。實驗中,在環(huán)境溫度變化的情況下利用所提出的損傷識別方法診斷一個帶有雙切縫缺陷的鋁板。實驗結(jié)果表明該方法不但不需要參考基準(zhǔn)狀態(tài)信息,而且可以利用較少數(shù)量的傳感路徑精確地識別多缺陷。
本文對簡單結(jié)構(gòu)和復(fù)雜結(jié)構(gòu)以及在變化的工作環(huán)境中波信號的特征提取技術(shù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 人臉特征提取與識別方法研究.pdf
- 基于腦電的意識任務(wù)特征提取與識別方法研究.pdf
- 基于Hilbert譜特征提取的智能識別方法研究與應(yīng)用.pdf
- 基于小波分形特征提取的漢字識別方法.pdf
- 基于多通道EEG信號的癲癇特征提取與識別方法研究.pdf
- 面向身份管理的指紋特征提取與識別方法研究.pdf
- 鐵路扣件圖像特征提取與識別方法研究.pdf
- 呼吸音特征提取與分類識別方法研究.pdf
- 高頻波段雷達目標(biāo)特征提取與識別方法研究.pdf
- 基于特征的目標(biāo)提取與識別方法研究.pdf
- 基于統(tǒng)計學(xué)方法的水面目標(biāo)特征提取與識別方法的研究.pdf
- 基于混合特征提取與決策樹算法的表情識別方法研究.pdf
- 基于機器視覺的稻谷種子特征提取與品種識別方法研究.pdf
- 語音情感特征提取及識別方法研究.pdf
- 基于細微特征提取的輻射源個體識別方法研究.pdf
- SAR圖像典型目標(biāo)特征提取與識別方法研究.pdf
- 基于優(yōu)化特征提取的群養(yǎng)豬個體身份識別方法.pdf
- 基于非線性分析的故障特征提取及識別方法研究.pdf
- 人臉特征提取和非線性識別方法的研究.pdf
- 雷達高分辨距離像特征提取與識別方法研究.pdf
評論
0/150
提交評論