CN107066736B - 一种基于压缩采样的模态分析及结构冲击监测方法 - Google Patents
一种基于压缩采样的模态分析及结构冲击监测方法 Download PDFInfo
- Publication number
- CN107066736B CN107066736B CN201710243701.1A CN201710243701A CN107066736B CN 107066736 B CN107066736 B CN 107066736B CN 201710243701 A CN201710243701 A CN 201710243701A CN 107066736 B CN107066736 B CN 107066736B
- Authority
- CN
- China
- Prior art keywords
- modal
- impact load
- structural
- data
- impact
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005070 sampling Methods 0.000 title claims abstract description 34
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000006835 compression Effects 0.000 claims abstract description 16
- 238000007906 compression Methods 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 10
- 238000005314 correlation function Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 230000036541 health Effects 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000013500 data storage Methods 0.000 abstract description 2
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000003860 storage Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 229910000838 Al alloy Inorganic materials 0.000 description 3
- 239000000956 alloy Substances 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- HFGPZNIAWCZYJU-UHFFFAOYSA-N lead zirconate titanate Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[Ti+4].[Zr+4].[Pb+2] HFGPZNIAWCZYJU-UHFFFAOYSA-N 0.000 description 1
- 229910001095 light aluminium alloy Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000009774 resonance method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/08—Shock-testing
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M1/00—Analogue/digital conversion; Digital/analogue conversion
- H03M1/12—Analogue/digital converters
- H03M1/124—Sampling or signal conditioning arrangements specially adapted for A/D converters
- H03M1/1245—Details of sampling arrangements or methods
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明是一种基于压缩采样数据的模态分析及结构冲击监测方法，属于结构健康监测技术领域。本发明采用压缩采样技术采集冲击载荷信号，然后，再对采集到的冲击载荷信号的压缩采样数据应用奇异值分解法进行模态分析以获取结构的模态参数。最终，采用基于压缩采样数据的信号重构方法，来获取冲击载荷大小及位置参数。本发明解决了复杂结构通过建模以获取结构模态参数存在的精度问题和多传感器的数据量过于庞大的问题。该方法通过布置在待测结构上的传感器网络进行冲击监测，能够快速、准确地对结构进行实时监测，具有能耗低、存储和传输的数据量小，存储和传输的数据丢失少等优点。
Description
技术领域
本发明涉及结构健康监测，特别是一种基于压缩采样数据的模态分析及结构冲击监测方法。
背景技术
铝合金材料由于其质轻高强、耐腐蚀、易加工等优点仍被广泛应用于航空航天等领域，但是铝合金材料结构在制造和使用过程中，都不可避免地会受到损伤，特别是航空领域中的低速冲击对飞行器结构造成了肉眼不可见的损伤，这种损伤的危害在某种程度上来说可能比高速冲击造成的损伤带来危害更大，如果不能在损伤发生初期或飞行器维护过程中及时发现这些微小的损伤，就有可能导致结构发生突发性破坏，造成难以估计的损失。并且随着航空行业对结构安全性和可靠性提出越来越高的要求。因此，对铝合金材料结构进行结构健康监测以确保其稳定性和安全性是非常必要的。
目前，对结构冲击监测主要采用的是传统的无损检测方法，其主要有超声波检测法、射线检测法、电涡流检测法、声谐振法等无损检测技术。但是这些传统检测技术在应用上仍存在一些缺点：1、难以检测一些不可见、密闭的部件和结构复杂的大型部件的损伤；2、这些方法所使用的设备比较复杂，使用不方便，有较大的局限性，很难做到在服役环境条件下的实时监测，不能满足未来大型航空航天飞行器结构健康监测的要求。就任何一结构而言，其所受冲击载荷的大小与冲击损伤程度有着重大的关联，所以对结构进行冲击载荷反演是非常必要的。然后，根据反演结果进一步确定结构损伤程度以估算出结构的剩余寿命、降低结构的维护成本。
而对飞行器来说，如何实时监测冲击以保护飞行器的安全运行具有重大的意义。虽然目前已经发明了许多冲击载荷识别的方法，但是到目前为止还没有一种方法能够高精度、实时地识别冲击载荷。大部分方法都是直接将时域内的许多离散点的冲击载荷时间历程作为未知数进行求解，但由于未知参数多，计算量大，很难满足监测的实时性要求。又目前结构健康监测的研究内容主要集中在先进的建模方法和信息处理方法上。而本发明的是采用近几年出现的一种新型信号处理方法——压缩采样。压缩采样应用于结构健康监测中的优势：1、由于结构响应数据信号在频域上大多是窄带信号，具有稀疏性，这恰好满足压缩采样理论中信号本身是稀疏的或在某一变换域是可稀疏表示的条件。2、结构健康监测研究中所使用的无线传感器网络由于无线通信信道不稳定、电源能力有限等因素都可能造成信号数据丢失问题，而压缩采样理论又指出只需少量信号与观测矩阵之间的内积值便可重构出全部原始信号，且内积值又具有均等特性，没有先后顺序之分，没有主次之分，所以在传输过程中，丢失某些内积值也不会影响信号的恢复，进而解决了信号数据丢失问题。因此，压缩采样的优势正好可以解决了在结构冲击载荷反演过程存在数据量过于庞大的问题。
由于在进行结构冲击载荷反演过程中还需要知道结构的模态参数，所以需要对结构进行模态分析。而模态分析又分为理论模态分析和实验模态分析。理论模态分析是通过理论建模来获取结构的模态参数，而实验模态分析是运用数字你信号处理技术获取响应函数，再应用参数识别的方法求得模态参数。而参数识别的方法又分为频域模态参数识别法和时域模态参数识别法。其中频域识别法虽然可以从频响函数曲线上观察到模态的分布及模态参数估计值，具有一定抗噪性，但是实验设备复杂，实验周期长；而时域识别法只需要原始的振动响应信号，不需经过傅里叶变换处理，可以避免信号截断而且还可以对连续运行的设备在线参数识别，时域识别法包括ITD方法、STD法、奇异值分解法等。
发明内容
本发明的主要目的是解决了复杂结构通过建模以获取结构模态参数存在的精度问题和多传感器的数据量过于庞大的问题，提出一种能够快速、准确地对结构进行实时监测的基于压缩采样数据的模态分析及结构冲击监测方法。
本发明采用如下技术方案：
一种基于压缩采样的模态分析及结构冲击监测方法，其特征在于，包括
1)在待测结构表面布置一定密度的传感器网络，该传感器网络中的每个传感器与监测中心有线连接以实现信号传输；
2)各个传感器根据监测中心的命令对待测结构进行压缩采样，得到压缩数据；
3)对压缩数据进行结构的模态分析，得到待测结构的实时模态参数；
4)根据步骤3)中的模态参数及步骤2)中的压缩数据进行冲击载荷识别并反演出待测结构所受冲击载荷的大小和位置；
5)根据反演出的冲击载荷的大小和位置来判断待测结构的损伤信息。
优选的，在步骤2)中，所述的压缩采样具体如下：
将传感器采集到的原始信号x(t)先与伪随机发生器产生的测量矩阵p(t)在模拟发生器中相乘，实现混频；然后再经过一个低通滤波器H(t)滤波得到y(t)；最后,再利用ADC模块进行采样得到一系列观测数据y(n)即压缩数据。
优选的，在步骤3)中，对压缩数据应用奇异值分解的方法进行模态分析，得到待测结构的实时模态参数，包括：
3.1)由压缩数据求解出结构响应功率谱密度矩阵的奇异值，得到奇异值曲线；
3.2)从得到的奇异值曲线提取有效的模态频率；
3.3)计算在模态频率处的互相关函数矩阵；
3.4)对互相关函数矩阵进行特征正交分解得到模态向量。
优选的，在步骤3.1)中根据模态叠加原理对压缩数据求解出结构响应功率谱密度矩阵的奇异值，得到奇异值曲线。
优选的，在步骤4)中，对步骤3)中的模态参数及步骤2)中的压缩数据建立多自由度系统结构在时域内的扰度优化模型，然后应用基追踪降噪算法求解该优化模型，则可精确、稳定反演出结构所受冲击载荷的大小和位置。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
本发明方法采用压缩采样技术采集冲击载荷信号，该压缩采样技术具有以远低于香农采样定律的数据量高概率恢复原来冲击载荷信号所有信息的优点。本发明方法与现有技术相比，能够快速、准确地对结构进行实时监测，具有能耗低、存储和传输的数据量小，存储和传输的数据丢失少等优点，能够对待测结构所受到冲击载荷进行实时监测，以确保结构的安全运行，防止事故的发生。
附图说明
图1是应用本发明方法的系统组成框图；
图2是随机解调系统的组成图；
图3是本发明用于航空铝板结构冲击监测系统的组成框图；
图4是基于压缩采样的模态分析及冲击载荷反演的工作流程图。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
参照图1，为应用本发明方法的系统组成框图，包括数据采集模块、数据处理模块两个主要部分。该数据采集模块包括传感器网络、电荷放大器、随机解调系统等，用于实现压缩采样。该数据处理模块主要实现两个功能：1、对压缩采样所得的压缩数据应用奇异值分解方法进行结构的模态分析来求得结构的模态参数，如模态频率、模态振型；2、对模态参数和所采集得到的压缩数据建立结构系统在时域内的扰度优化模型，然后对模型应用基追踪降噪算法进行结构的冲击载荷识别，则可精确、稳定地反演出待测结构所受冲击载荷的大小和位置。最后，这两个模块共同工作实现对结构所受冲击载荷的实时监测的目标。
具体的，参照图4，本发明的一种基于压缩采样的模态分析及结构冲击监测方法，包括如下步骤：
1)在待测结构表面布置一定密度的传感器网络，该传感器网络中的每个传感器与监测中心有线连接以实现信号传输。该监测中心包含电荷放大器、随机解调系统、数据处理模块等。
2)各个传感器根据监测中心的命令对待测结构进行压缩采样，得到压缩数据。具体为：参照图2，将传感器采集到的原始信号x(t)先与伪随机发生器产生的测量矩阵p(t)在模拟发生器中相乘，实现混频，然后在经过一个低通滤波器H(t)滤波得到y(t)，最后,再利用ADC模块进行采样得到一系列观测数据y(n)即压缩数据。
3)对压缩数据进行结构的模态分析，得到待测结构的实时模态参数，具体如下：
3.1)根据模态叠加原理对压缩数据求解出结构响应功率谱密度矩阵的奇异值，得到奇异值曲线；
3.2)从得到的奇异值曲线提取有效的模态频率；
3.3)计算在模态频率处的互相关函数矩阵；
3.4)对互相关函数矩阵进行特征正交分解得到模态向量。
在经典结构动力学中，对于一个多自由度系统结构，实际结构的振动形态并不是一个规则的形状，而是各阶振型叠加的结果。则无阻尼结构响应u(t)通解的形式用模态叠加原理表示如下：
其中，{u(t)}为位移响应矩阵，{ψi}为第i阶模态向量矩阵，ρi是第i阶系统幅值，ωi是第i阶系统固有频率，θi是第i阶系统初始相位。
然后，对{u(t)}进行希尔伯特变换，得到解析信号{v(t)}：
其次，再用矩阵向量乘的形式来描述解析信号{v(t)}：{v(t)}＝[Ψ][Γ]{s(t)}。
其中，矩阵[Ψ]为一包含模态振型数据的N×K的矩阵，矩阵[Γ]表示为一个K×K的矩阵，矩阵{s(t)}为一包含模态频率数据的K×1的矩阵。
最后，由矩阵[Ψ]和矩阵{s(t)}可以获得结构的模态参数。
4)对步骤3)中的模态参数及步骤2)中的压缩数据建立多自由度系统结构在时域内的扰度优化模型，然后应用基追踪降噪算法求解该优化模型，则可精确、稳定反演出结构所受冲击载荷的大小和位置。具体如下：
由振动理论知，多自由度系统结构动力学方程的常微分方程形式：
其中，M、K、C分别是多自由度系统结构的质量矩阵、阻尼矩阵以及刚度矩阵，f是结构所受的冲击载荷，B是与载荷作用位置相关的配置矩阵，
x分别是系统结构的加速度响应、速度响应以及位移响应。则其动力学方程的模态坐标形式可表示为：
其中，ω是由特征频率组成的对角矩阵，Φ是由特征向量组成的振型矩阵，ζ是系统的阻尼比，
q是模态坐标加速度向量、模态速度向量和模态位移向量。其次，由模态叠加法得出时域内的扰度表达式。然后，根据扰度表达式建立结构系统在时域内的扰度优化模型。
对该扰度优化模型应用基追踪降噪算法将载荷反演问题转化为二次型无约束的优化问题。便可求包含位置参数的未知稀疏向量。最后将所求的包含位置参数的未知稀疏向量代入相应公式便求出冲击载荷f。
5)根据反演出的冲击载荷的大小和位置判断待测结构的损伤信息。
应用举例：
参照图3，为本发明的一个具体实施例的组成框图，本实施例采样航空铝板，材料密度为2.778g/m3，厚度为0.25cm，弹性模量71.7Gpa，泊松比为0.33。试件形状、传感器位置和坐标系原点如图所示。传感器元件型号为PZT-5型压电片，压电传感器直径为0.8cm，厚度为0.04cm。电荷放大器型号为YE5853电荷放大器。数据采集卡为NI公司的型号为PXI-103四通道数据采集卡。1～4号传感器的坐标分别为(-200,200)，(200，200)，(-200，-200)，(200，-200)，单位是mm。四个压电传感器通过电荷放大器、采集硬件和信号采集程序构成了四个冲击载荷的数据采集模块，主要是进行压缩采样并得到压缩采样数据。工业控制计算机(包括冲击监测相关软件)构成了数据处理模块，主要进行基于奇异值分解法的模态分析和对模态参数及压缩数据进行结构的冲击载荷反演。最后，在两个模块的同时工作下实现对结构所受冲击载荷的实时监测，以进一步评判结构的损伤程度，估算结构的寿命，降低结构的维护成本。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (3)
1.一种基于压缩采样的模态分析及结构冲击监测方法，其特征在于，包括
1)在待测结构表面布置一定密度的传感器网络，该传感器网络中的每个传感器与监测中心有线连接以实现信号传输；
2)各个传感器根据监测中心的命令对待测结构进行压缩采样，得到压缩数据；
3)对压缩数据进行结构的模态分析，得到待测结构的实时模态参数，应用奇异值分解的方法进行模态分析，包括；
3.1)由压缩数据求解出结构响应功率谱密度矩阵的奇异值，得到奇异值曲线；
3.2)从得到的奇异值曲线提取有效的模态频率；
3.3)计算在模态频率处的互相关函数矩阵；
3.4)对互相关函数矩阵进行特征正交分解得到模态向量；
4)根据步骤3)中的模态参数及步骤2)中的压缩数据进行冲击载荷识别并反演出待测结构所受冲击载荷的大小和位置；对步骤3)中的模态参数及步骤2)中的压缩数据建立多自由度系统结构在时域内的扰度优化模型，然后应用基追踪降噪算法求解该优化模型，则可精确、稳定反演出结构所受冲击载荷的大小和位置；
5)根据反演出的冲击载荷的大小和位置来判断待测结构的损伤信息。
2.如权利要求1所述的一种基于压缩采样的模态分析及结构冲击监测方法，其特征在于，在步骤2)中，所述的压缩采样具体如下：
将传感器采集到的原始信号x(t)先与伪随机发生器产生的测量矩阵p(t)在模拟发生器中相乘，实现混频；然后再经过一个低通滤波器H(t)滤波得到y(t)；最后,再利用ADC模块进行采样得到一系列观测数据y(n)即压缩数据。
3.如权利要求1所述的一种基于压缩采样的模态分析及结构冲击监测方法，其特征在于，在步骤3.1)中根据模态叠加原理对压缩数据求解出结构响应功率谱密度矩阵的奇异值，得到奇异值曲线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710243701.1A CN107066736B (zh) | 2017-04-14 | 2017-04-14 | 一种基于压缩采样的模态分析及结构冲击监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710243701.1A CN107066736B (zh) | 2017-04-14 | 2017-04-14 | 一种基于压缩采样的模态分析及结构冲击监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107066736A CN107066736A (zh) | 2017-08-18 |
| CN107066736B true CN107066736B (zh) | 2020-06-26 |
Family
ID=59600704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710243701.1A Expired - Fee Related CN107066736B (zh) | 2017-04-14 | 2017-04-14 | 一种基于压缩采样的模态分析及结构冲击监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107066736B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107561979B (zh) * | 2017-08-23 | 2020-02-11 | 厦门大学 | 一种面向冲击监测的数字异步压缩采样系统及方法 |
| CN107782547A (zh) * | 2017-10-20 | 2018-03-09 | 广东电网有限责任公司电力科学研究院 | 一种传动带的模态分析方法及装置 |
| CN109084943B (zh) * | 2018-07-09 | 2020-07-03 | 暨南大学 | 一种基于子空间投影与稀疏正则化的结构损伤识别方法 |
| CN110130873A (zh) * | 2019-05-31 | 2019-08-16 | 南智（重庆）能源技术有限公司 | 环空带压天然气井口振动干扰检测与完整性智能分析 |
| CN110381076B (zh) * | 2019-07-29 | 2020-07-28 | 昆明理工大学 | 一种单波段矩阵型dem数据渐进精化式传输方法及系统 |
| CN110686846B (zh) * | 2019-10-11 | 2021-10-01 | 河海大学常州校区 | 一种冲击监测系统的信号重构方法 |
| CN111089695B (zh) * | 2019-12-27 | 2022-10-25 | 上海文倍测控科技有限公司 | 一种自动化模态测试方法 |
| CN111223285B (zh) * | 2020-03-13 | 2024-10-18 | 昆明理工大学 | 一种基于稀疏表示的无线涡流检测系统及方法 |
| CN112528849B (zh) * | 2020-12-09 | 2023-03-24 | 西北工业大学 | 一种基于内积矩阵及深度学习的结构健康监测方法 |
| CN112666261B (zh) * | 2020-12-11 | 2023-06-16 | 河海大学 | 一种基于声模态叠加的铝板冲击载荷的定位分析方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105526953A (zh) * | 2015-12-03 | 2016-04-27 | 厦门大学 | 一种用于航空结构健康监测的压缩感知系统及该感知系统的工作方法 |
| CN105868467A (zh) * | 2016-03-28 | 2016-08-17 | 南京航空航天大学 | 一种动稳态航空发动机机载模型构建方法 |
| CN105912504A (zh) * | 2016-04-11 | 2016-08-31 | 西安交通大学 | 一种机械结构多源冲击载荷识别的压缩感知方法 |
-
2017
- 2017-04-14 CN CN201710243701.1A patent/CN107066736B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105526953A (zh) * | 2015-12-03 | 2016-04-27 | 厦门大学 | 一种用于航空结构健康监测的压缩感知系统及该感知系统的工作方法 |
| CN105868467A (zh) * | 2016-03-28 | 2016-08-17 | 南京航空航天大学 | 一种动稳态航空发动机机载模型构建方法 |
| CN105912504A (zh) * | 2016-04-11 | 2016-08-31 | 西安交通大学 | 一种机械结构多源冲击载荷识别的压缩感知方法 |
Non-Patent Citations (2)
| Title |
|---|
| Identification of Impact Force Based on Compressive Sensing in Large Structural Health Monitoring;梁栋，范志锋;《International Journal of Distributed Sensor Networks》;20150131;第1-10页 * |
| Modal Analysis With Compressive Measurements;Jae Young Park等;《IEEE Transactions on Signal Processing》;20140430;第1-14页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107066736A (zh) | 2017-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107066736B (zh) | 一种基于压缩采样的模态分析及结构冲击监测方法 | |
| CN108152033B (zh) | 一种稀疏分离模型的齿轮箱复合微弱故障诊断方法 | |
| Krishnan Nair et al. | Time series based structural damage detection algorithm using Gaussian mixtures modeling | |
| Putra et al. | The need to generate realistic strain signals at an automotive coil spring for durability simulation leading to fatigue life assessment | |
| CN104964837B (zh) | 基于emd的结构刚度损伤监测方法及系统 | |
| CN104112072A (zh) | 基于小波阈值去噪的主成分分析的工作模态参数识别方法 | |
| CN106813714A (zh) | 结构健康监测的装置和系统 | |
| Chen et al. | Fault identification of gearbox degradation with optimized wavelet neural network | |
| CN107505396A (zh) | 一种结构损伤在线实时监测方法及系统 | |
| CN111256993A (zh) | 一种风电机组主轴承故障类型诊断方法及系统 | |
| Tang et al. | Feature extraction for latent fault detection and failure modes classification of board-level package under vibration loadings | |
| CN110057918B (zh) | 强噪声背景下的复合材料损伤定量识别方法及系统 | |
| CN112529842A (zh) | 一种基于小波包能量的多激励融合板结构损伤识别方法 | |
| CN115014617B (zh) | 一种基于地基雷达的斜拉桥拉索索力同步监测方法 | |
| CN110487499B (zh) | 一种基于奇异值分解和支持向量机的螺栓预紧力辨识方法 | |
| CN110133106A (zh) | 一种输电线路振动损伤度量仪 | |
| Peng et al. | A visual vibration characterization method for intelligent fault diagnosis of rotating machinery | |
| Wu et al. | Impact energy identification on a composite plate using basis vectors | |
| CN102998694A (zh) | 一种基于非负张量分解的电子装置多余物检测与分类识别方法 | |
| Xiang et al. | New feature extraction method for the detection of defects in rolling element bearings | |
| CN108287197A (zh) | 声发射塔吊安全检测系统的信号处理方法 | |
| CN115235877A (zh) | 腐蚀状态监测系统和应力腐蚀状态评价方法及装置 | |
| CN106446320B (zh) | 基于imf瞬时能量曲率差值的井架钢结构损伤识别方法 | |
| Jones et al. | Location and magnitude of impact detection in composite plates using neural networks | |
| CN114084764B (zh) | 一种电梯乘运质量检测方法及检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200626 |