CN104713916B - 一种针对电阻性薄膜传感器的实时裂纹损伤识别方法 - Google Patents

Abstract

本发明公开了一种针对电阻性薄膜传感器的实时裂纹损伤识别方法，其特征在于，包括以下步骤：1、确定探索起始点；2、以探索起始点为中心，选取探索起始点前的j个数据点和探索起始点后的j个数据点构成滑动窗口；3、分别计算探索起始点前后子数据序列的回归系数k_f(i)和k_b(i)；4、寻找曲线斜率增量取得局部最大值的探索点；5、判定斜率突变点；6、寻找裂纹危险点。本发明的有益之处在于：将裂纹损伤定量识别转化为单监测通道内裂纹起始点和裂纹危险点识别，极大地降低了裂纹损伤识别的难度；可以准确判定裂纹起始点和裂纹危险点，从而确定结构裂纹损伤状况；可以满足结构损伤监测技术对裂纹损伤实时、在线识别的要求，算法简单、滞后时间短。

Description

一种针对电阻性薄膜传感器的实时裂纹损伤识别方法

技术领域

本发明涉及一种裂纹损伤识别方法，具体涉及一种针对电阻性薄膜传感器的实时裂纹损伤识别方法，属于结构探伤技术领域。

背景技术

电阻性薄膜传感器是一种应用现代表面技术实现与结构一体化集成的功能梯度材料，具有优良的随附损伤特性。因此，可利用该特性综合应变监测原理和电位监测原理对结构疲劳裂纹损伤实施监测。

中国专利《一种微米传感元及其制备方法和应用》(专利号：ZL200910248773.0，公开日：2011.06.29)提出了一种电阻性薄膜传感器—微米传感元的简单设计概念及其制备方法，并验证了微米传感元与金属结构基体形成结构功能一体化的可行性，但是，该专利未提出相应的实时裂纹损伤识别方法。

发明内容

本发明的目的在于提供一种算法简单、滞后时间短、能够极大地降低裂纹损伤识别的难度、针对电阻性薄膜传感器的实时裂纹损伤识别方法。

为了实现上述目标，本发明采用如下的技术方案：

一种针对电阻性薄膜传感器的实时裂纹损伤识别方法，其特征在于，包括以下步骤：

(1)、确定探索起始点：

从监测数据点序列中选定第i个监测数据点作为探索起始点，探索起始点及其后面的监测数据点构成探索点序列；

(2)、构造滑动窗口：

以探索起始点为中心，选取探索起始点前的j个监测数据点和探索起始点后的j个监测数据点构成滑动窗口，滑动窗口内子数据序列为{data(i-j),...,data(i-1),data(i),data(i+1),...,data(i+j)}，其中，j<i；

(3)计算探索起始点前后曲线的斜率：

对于滑动窗口中探索起始点及其之前的j个检测数据点对应的子数据序列{data(i-j),...,data(i-1),data(i)}，计算得到前述子数据序列的回归系数k_f(i)；

对于滑动窗口中探索起始点及其之后的j个检测数据点对应的子数据序列{data(i),data(i+1),...,data(i+j)}，计算得到前述子数据序列的回归系数k_b(i)；

(4)、寻找曲线斜率增量取得局部最大值的探索点：

首先计算探索起始点前后曲线斜率增量△k(i)＝k_f(i)-k_b(i)，然后计算与探索起始点相邻的两个监测数据点前后曲线斜率增量△k(i-1)和△k(i+1)，若△k(i)>△k(i-1)且△k(i)>△k(i+1)，则认为在第i监测数据点处取得曲线斜率增量的局部最大值；否则，滑动窗口，并用同样的方法进行计算，直至取得曲线斜率增量的局部最大值；

假设在第m个监测数据点处取得曲线斜率增量的局部最大值，对应的监测数据记为data(m)；

(5)、判定斜率突变点：

如果k_b(m)>0，并且data(m+1)-data(m)>data(m)-data(m-1)，并且△k(m)>a，a为系统阈值，则判定第m个监测数据点为斜率突变点；否则，返回步骤(4)继续寻找曲线斜率增量取得局部最大值的探索点，进而执行步骤(5)判定其是否为斜率突变点；

(6)、寻找裂纹危险点：

假设第n个监测数据点为裂纹危险点，若data(n)>b,b为系统阈值，则确定第n个监测数据点为裂纹危险点；否则，滑动窗口，直至寻找到裂纹危险点。

前述的针对电阻性薄膜传感器的实时裂纹损伤识别方法，其特征在于，在步骤(3)中，

计算得到回归系数k_f(i)的过程为：对子数据序列{data(i-j),...,data(i-1),data(i)}作一元线性回归，采用最小二乘法拟合得到回归系数k_f(i)；

计算得到回归系数k_b(i)的过程为：对子数据序列{data(i),data(i+1),...,data(i+j)}作一元线性回归，采用最小二乘法拟合得到回归系数k_b(i)。

本发明的有益之处在于：

1、本发明的方法将裂纹损伤定量识别转化为单监测通道内裂纹起始点和裂纹危险点识别，极大地降低了裂纹损伤识别的难度；

2、本发明的方法可以准确判定裂纹起始点和裂纹危险点，从而确定结构裂纹损伤状况，如裂纹损伤的位置和损伤程度等；

3、本发明的方法可以满足结构损伤监测技术对裂纹损伤实时、在线识别的要求，算法简单、滞后时间短。

附图说明

图1是电阻性薄膜传感器的示意图；

图2是监测数据曲线图。

图中附图标记的含义：1-内环监测通道，2-外环监测通道，A-裂纹起始点，B-裂纹危险点。

具体实施方式

本发明的实时裂纹损伤识别方法，其思想是：将裂纹损伤定量识别转化为单监测通道内裂纹起始点和裂纹危险点识别，以薄膜传感器输出数据序列曲线的斜率突变点作为裂纹起始点，以薄膜传感器电阻值趋近无穷大、传感器失效作为裂纹危险点。

下面以识别2A12-T4铝合金基电阻性薄膜传感器的裂纹损伤为例，对本发明的方法作具体的介绍。

参照图1，2A12-T4铝合金基电阻性薄膜传感器在结构上存在内外两个监测通道，即内环监测通道1和外环监测通道2。

为了简化问题、降低算法难度，本发明的方法将裂纹损伤定量识别转化为单监测通道内裂纹起始点和裂纹危险点识别。

监测行为开始后传感器按照等间隔时间序列采集数据点，该数据点称为监测数据点，所有监测数据点构成监测数据点序列。以内环监测通道1为例，实时裂纹损伤识别过程如下：

步骤1、确定探索起始点

从监测数据点序列中选定第15个监测数据点作为探索起始点，该探索起始点对应的监测数据记为data(15)。探索起始点及其后面的监测数据点(探索点)构成探索点序列。探索点序列是申请人为了便于裂纹辨识算法实现而人为地从监测数据点序列中截取的子序列。

步骤2、构造滑动窗口

以探索起始点为中心，选取探索起始点前的14个监测数据点和探索起始点后的14个监测数据点构成滑动窗口，该滑动窗口内子数据序列为{data(1),data(2)...,data(14),data(15),data(16),...,data(28),data(29)}。

步骤3、计算探索起始点前后曲线的斜率

对于滑动窗口中探索起始点及其之前的14个监测数据点对应的子数据序列{data(1),data(2),...,data(14),data(15)}，计算得到探索起始点前子数据序列的回归系数k_f(i)，具体的计算过程为：

对子数据序列{data(1),data(2),...,data(14),data(15)}作一元线性回归，采用最小二乘法拟合得到回归系数k_f(i)。

对于滑动窗口中探索起始点及其之后的14个监测数据点对应的子数据序列{data(15),data(16),...,data(28),data(29)}，用同样的方法计算得到探索起始点后子数据序列的回归系数k_b(i)，具体的过程为：

对子数据序列{data(15),data(16),...,data(28),data(29)}作一元线性回归，采用最小二乘法拟合得到回归系数k_b(i)。

步骤4、寻找曲线斜率增量取得局部最大值的探索点

首先，计算探索起始点前后曲线斜率增量△k(i)＝k_f(i)-k_b(i)，然后计算与探索起始点相邻的两个监测数据点前后曲线斜率增量△k(i-1)和△k(i+1)。

比较△k(i-1)、△k(i)和△k(i+1)三者之间的大小关系：

(1)、若△k(i)>△k(i-1)且△k(i)>△k(i+1)，则认为在第i个监测数据点处(即探索起始点处)取得曲线斜率增量的局部最大值；

(2)、否则，滑动窗口，并用同样的方法进行计算，直至取得曲线斜率增量的局部最大值。

为了方便后面的叙述，我们现假设在第m个监测数据点处取得曲线斜率增量的局部最大值，并记该监测数据点对应的监测数据为data(m)。

步骤5、判定斜率突变点

在第m个监测数据点处取得曲线斜率增量的局部最大值后，需要进一步考察该监测数据点是否为斜率突变点，具体的：

(1)、如果k_b(m)>0，且data(m+1)-data(m)>data(m)-data(m-1)，且△k(m)>a，a为系统阈值(一般可取0.015)，则判定第m个监测数据点为斜率突变点；

(2)、否则，返回步骤4继续寻找曲线斜率增量取得局部最大值的探索点，进而执行步骤5判定其是否为斜率突变点。

步骤6、寻找裂纹危险点

寻找到斜率突变点后，则认为结构起裂或裂纹尖端扩展至该监测通道，此时，不再滑动窗口，开始寻找裂纹危险点，具体的：

假设第n个监测数据点为裂纹危险点，若data(n)>b，b为系统阈值(一般取值为b＝1.5×data(m))，则确定第n个监测数据点为裂纹危险点；否则，滑动窗口，直至寻找到裂纹危险点。

以下结合表1和图2对2A12-T4铝合金基电阻性薄膜传感器的裂纹损伤识别效果进行说明。

首先，对编号2316至2565的监测数据点依次测定电阻值(单位为Ω)，获得相应的监测数据，具体数值见表1。

表1 监测数据点及其对应的监测数据

然后，对表1中的数据作图，得到监测数据曲线，见图2。

参照图2：

(1)、A点为本发明的方法确定的裂纹起始点，由传感器监测数据曲线分析以及监测现场裂纹观察可知该数据点确实为裂纹起始点。可见，本发明的方法可以准确判定裂纹起始点，且滞后时间较短。

(2)、B点为本发明的方法确定的裂纹危险点，由传感器监测数据曲线分析以及监测现场裂纹观察可知该数据点时刻裂纹尚未穿越监测通道，但裂纹即将到达危险点。可见，利用本发明的方法判定裂纹危险点，结果偏保守，算法安全，完全能够满足工程要求。

综上所述，本发明的方法将裂纹损伤定量识别转化为单监测通道内裂纹起始点和裂纹危险点识别，极大地降低了裂纹损伤识别的难度，其不仅可以实时、准确判定裂纹起始点，而且还可以准确判定裂纹危险点，结果偏保守，算法安全，完全能够满足工程要求。

需要说明的是，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (2)

1.一种针对电阻性薄膜传感器的实时裂纹损伤识别方法，其特征在于，包括以下步骤：

(1)、确定探索起始点：

从监测数据点序列中选定第i个监测数据点作为探索起始点，探索起始点及其后面的监测数据点构成探索点序列；

(2)、构造滑动窗口：

以探索起始点为中心，选取探索起始点前的j个监测数据点和探索起始点后的j个监测数据点构成滑动窗口，滑动窗口内子数据序列为{data(i-j),…,data(i-1),data(i),data(i+1),…,data(i+j)}，其中，j<i；

(3)计算探索起始点前后曲线的斜率：

对于滑动窗口中探索起始点及其之前的j个检测数据点对应的子数据序列{data(i-j),…,data(i-1),data(i)}，计算得到所述子数据序列{data(i-j),…,data(i-1),data(i)}的回归系数k_f(i)；

对于滑动窗口中探索起始点及其之后的j个检测数据点对应的子数据序列{data(i),data(i+1),…,data(i+j)}，计算得到所述子数据序列{data(i),data(i+1),…,data(i+j)}的回归系数k_b(i)；

(4)、寻找曲线斜率增量取得局部最大值的探索点：

首先计算探索起始点前后曲线斜率增量△k(i)＝k_f(i)-k_b(i)，然后计算与探索起始点相邻的两个监测数据点前后曲线斜率增量△k(i-1)和△k(i+1)，若△k(i)>△k(i-1)且△k(i)>△k(i+1)，则认为在第i监测数据点处取得曲线斜率增量的局部最大值；否则，滑动窗口，并用同样的方法进行计算，直至取得曲线斜率增量的局部最大值；

假设在第m个监测数据点处取得曲线斜率增量的局部最大值，对应的监测数据记为data(m)；

(5)、判定斜率突变点：

如果k_b(m)>0，并且data(m+1)-data(m)>data(m)-data(m-1)，并且△k(m)>a，a为系统阈值，则判定第m个监测数据点为斜率突变点；否则，返回步骤(4)继续寻找曲线斜率增量取得局部最大值的探索点，进而执行步骤(5)判定其是否为斜率突变点；

(6)、寻找裂纹危险点：

假设第n个监测数据点为裂纹危险点，若data(n)>b,b为系统阈值，则确定第n个监测数据点为裂纹危险点；否则，滑动窗口，直至寻找到裂纹危险点。

2.根据权利要求1所述的针对电阻性薄膜传感器的实时裂纹损伤识别方法，其特征在于，在步骤(3)中，

计算得到回归系数k_f(i)的过程为：对子数据序列{data(i-j),…,data(i-1),data(i)}作一元线性回归，采用最小二乘法拟合得到回归系数k_f(i)；

计算得到回归系数k_b(i)的过程为：对子数据序列{data(i),data(i+1),…,data(i+j)}作一元线性回归，采用最小二乘法拟合得到回归系数k_b(i)。