CN110294147A - 一种空间碎片防护构型缓冲屏损伤评估方法 - Google Patents
一种空间碎片防护构型缓冲屏损伤评估方法 Download PDFInfo
- Publication number
- CN110294147A CN110294147A CN201910373517.8A CN201910373517A CN110294147A CN 110294147 A CN110294147 A CN 110294147A CN 201910373517 A CN201910373517 A CN 201910373517A CN 110294147 A CN110294147 A CN 110294147A
- Authority
- CN
- China
- Prior art keywords
- damage
- image
- information
- representing
- rear wall
- 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.)
- Granted
Links
- 230000006378 damage Effects 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000013016 damping Methods 0.000 title abstract 3
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000010438 heat treatment Methods 0.000 claims abstract description 7
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000002156 mixing Methods 0.000 claims abstract description 4
- 239000012634 fragment Substances 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 40
- 229910000838 Al alloy Inorganic materials 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 8
- 230000003116 impacting effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 6
- 230000006735 deficit Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims 2
- 230000001681 protective effect Effects 0.000 abstract description 3
- 208000027418 Wounds and injury Diseases 0.000 abstract description 2
- 238000013467 fragmentation Methods 0.000 abstract description 2
- 238000006062 fragmentation reaction Methods 0.000 abstract description 2
- 208000014674 injury Diseases 0.000 abstract description 2
- 241001536563 Panus Species 0.000 abstract 4
- 230000003139 buffering effect Effects 0.000 abstract 1
- 239000000470 constituent Substances 0.000 abstract 1
- 238000000605 extraction Methods 0.000 abstract 1
- 230000035939 shock Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000009863 impact test Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/52—Protection, safety or emergency devices; Survival aids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Critical Care (AREA)
- Emergency Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种空间碎片防护构型缓冲屏损伤评估方法，通过开展Whipple防护构型的超高速撞击损伤试验，获取弹丸撞击超高速撞击缓冲屏产生的二次碎片云阴影图像序列以及碎片云撞击后墙的损伤样品；通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割，提取碎片云主要特征信息；利用红外热像仪获取加热后的后墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤以及表面不可见损伤，建立多稀疏模型，通过变分贝叶斯推断重构后墙损伤试件表面及亚表面的损伤信息，将不同损伤进行图像融合；最后将碎片云典型特征结构与后墙损伤特征融合图像进行一一对应，从而对缓冲屏材料的超高速撞击防护性能进行综合评价。
Description
技术领域
本发明属于航天器空间碎片撞击防护技术领域，更为具体的讲，涉及一 种针对空间碎片超高速撞击防护结构缓冲屏产生的二次碎片云及其对后墙损 伤状态的综合评估方法。
背景技术
微流星体和地球轨道垃圾等空间碎片的超高速撞击是导致在轨航天器表 面物理损伤的主要原因之一，空间碎片超高速撞击速度通常达到每秒几公里 甚至几十公里。对于质量较大的空间碎片国际上统一进行编目和跟踪预警以 实现航天器在轨调整规避，然而对于厘米级以下的空间碎片则需要有效的被 动防护手段。因此，暴露于空间碎片环境中的各类航天器必须进行空间碎片 防护设计以及地面超高速撞击防护性能考核评估。
经典的空间碎片Whipple防护构型由具有间隔的两层铝合金薄板组成， 其中前板(也称为缓冲屏)主要作用是在超高速初始撞击过程中对空间碎片 进行有效地破碎而产生二次碎片云，通过碎片云的动能分散作用而显著减少 对后板(也称为后墙)的损伤。基于上述基本防护原理，国内外开发出了很 多用于空间碎片防护构型的新型缓冲屏材料，以增强缓冲屏对超高速空间碎 片的破碎能力，从而提高防护构型的空间碎片防护能力。为了评价这些新型 缓冲屏材料的空间碎片超高速撞击防护能力，需要结合碎片云结构特征(既 缓冲屏对弹丸的破碎形态)及其对后墙损伤状态进行综合评价。由于碎片云 特殊的结构特征造成了后墙会出现多种不同的损伤模式，既包括表面可见的 撞击坑、穿孔等，也包括表面不可见的内部层裂、背面剥落等损伤模式，它 们可能同时存在也可能部分存在，因此对其进行损伤评价具有很大难度。
目前针对航天器防护结构的不同缓冲屏材料防护性能进行评估，主要是 依靠多次超高速撞击试验以测得防护结构后墙发生可见穿孔损伤时的临界弹 丸直径。上述损伤评价方法需要开展不同撞击参数下的大量超高速撞击试验， 不仅试验测试成本较高，而且受人为主观因素影响较大。更为关键的是，上 述损伤评估方法仅仅依靠观察后墙是否发生穿孔损伤，忽略了其它的碎片云 撞击后墙损伤特征，没有将后墙的类型损伤、损伤程度与碎片云特征结合起 来，从而也无法对不同缓冲屏材料的空间碎片超高速撞击损伤进行准确评估， 因此需要发展针对碎片云超高速撞击损伤的具有较高可视化和自动化程度的 综合评估技术。为此，本发明基于均值漂移算法对碎片云图像进行处理，基 于变分贝叶斯多稀疏成分提取碎片云撞击后墙的多类型损伤特征图像，结合 碎片云结构特征与后墙多损伤融合图像综合评估不同缓冲屏材料防护构型的 超高速撞击损伤行为。
发明内容
本发明的目的在于克服现有防护构型性能评估技术的不足，提出一种基 于碎片云结构特征及其对后墙损伤图像的超高速撞击损伤评估方法，具有合 理性强，结果更加准确，可视化效果好等优点。
为了实现根据本发明的这些目的和其它优点，提供了一种空间碎片防护 构型缓冲屏损伤评估方法，包括以下步骤：
步骤一、将待评估缓冲屏材料前板与航天用铝合金后墙板组成Whipple 防护构型；利用超高速弹道靶设备发射铝合金弹丸超高速撞击Whipple防护 构型，用于模拟空间碎片超高速撞击防护构型过程，铝合金弹丸直径与缓冲 屏厚度基本相当；
步骤二、利用多站光电探测器测得铝合金弹丸撞击速度，利用超高速序 列激光阴影成像设备记录铝合金弹丸超高速撞击缓冲屏产生的二次碎片云阴 影图像序列；同时获取碎片云撞击后墙的损伤样品；
步骤三、通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割， 以消除噪声干扰，提取碎片云主要特征信息；
步骤四、通过对后墙损伤样品进行主动加热，并利用红外热像仪获取后 墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤 以及表面不可见损伤，通过建立多稀疏模型，并通过变分贝叶斯推断重构后 墙损伤试件表面及亚表面的损伤信息，通过图像平滑和分割算法去除图像中 与损伤无关的信息，并将不同损伤进行图像融合；
步骤五、将碎片云典型特征结构与后墙损伤特征融合图像进行一一对应， 从而对不同缓冲屏材料的超高速撞击防护性能进行综合评价。
优选的是，所述步骤一中，缓冲屏厚度与铝合金后墙厚度为毫米级。
优选的是，所述步骤三中，通过均值漂移算法对碎片云序列激光阴影图 像进行平滑和分割的过程包括以下步骤：
步骤Ⅰ、k＝1时，将碎片云图像通过S＝(ss,sc)表示，其中ss表示像素点的 空域二维坐标信息，sc表示像素点值域的颜色信息。初始化空间窗口大小hs和 颜色窗口大小hc，其二者表示邻域的大小；终止条件ε；i＝1,2,...,K， K表示像素点数目；初始化区域最小像素点数M；
步骤Ⅱ、更新每个像素点的幅值：
其中表示核函数，C为归一化常数；
步骤Ⅲ、当时，使得Z中包含平滑后图像 的空间信息及颜色信息；否则k＝k+1，返回步骤Ⅱ；
步骤Ⅳ、将满足的像素点合并在一起，其中， Z＝(zs,zc)；并对其进行编号使得像素点被分为Q类，其中每一类的编号为 Classq，q＝1,2,...,Q；统计每一类中像素点个数为如果则将 其与邻域合并，最终得到Q'类像素点；
求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：表示分割后所得图像的第i 个像素点幅值。
优选的是，所述步骤四包括以下过程：
步骤1、将碎片云撞击后墙得到的损伤样品进行主动激励加热，利用红 外热像仪记录后墙损伤样品的红外热图像视频流；将待检测视频流通过矩阵 块表示，其中NI×NJ表示空间信息，NT表示时间信息；通过向量 算子Ve将矩阵块转换为二维矩阵NIJ＝NI×NJ；即：S＝[Vec(S′(1))，...，Vec(S′(NT))]，为了重构不同的损伤信息，将视频流写为：
其中表示表面损伤，亚表面损伤和非 损伤区域的主要特征，IF(tF)，IB(tB)，IN(tN)表示特征矩阵的列向量，和分别表示不同区域的混合系数矩阵； λF(tF)，λB(tB)，λN(tN)表示行向量；如果将它们写为矩阵的形式，B为一个低 秩矩阵；DF和DB分别表示前侧与背侧损伤信息矩阵，由于损伤在试件中仅仅 占很小一部分，因此表现为稀疏性；N表示在损伤检测中噪声信息；
步骤2、为了能够同时得到后墙前表面损伤信息DF和背面损伤信息DB， 采用变分贝叶斯推断对步骤1中模型进行求解；其过程包括：
步骤2.1、h＝1时，初始化矩阵Xh和Yh中每一列元素和分别服从均 值为零，方差为σj -1的高斯分布，而且存在： 服从Gamma分布，u和v都是超参数；和中每个元素和分别独立同分布于均值为零，方差分别为和的高斯分布；其中，和分别服从Jeffrey’s先验：Nh为高斯白噪 声，其服从均值为零，方差为ηh的高斯分布，其中ηh服从Jeffrey’s先验： 设置最大迭代次数为H；
步骤2.2、通过如下公式迭代每个参数的值(h＝h+1)：
其中，<·>表示期望；分别表示矩阵Xh，Yh的第i行和第j行；分别为矩阵Xh，Yh的协方 差矩阵；
分别表示前表面损伤信息矩阵和背面 损伤信息矩阵的协方差矩阵；
步骤2.3、h＝h+1，当h≤H时，返回步骤2.2；否则，得到最终的低秩矩 阵和将和中每一列表示为各自区域的损 伤图像，选择对比度最强烈的图像得到前表面和背面损伤情况图像和
步骤3、其包括以下过程：
3.1、k＝1时，通过S＝(ss，sc)表示SF和SB中的任意一个图像，其中ss表示 像素点的空域二维坐标信息，sc表示像素点的颜色信息，因为本文中处理图 像为彩色图像，因此有三个通道；初始化空间窗口大小hs和颜色窗口大小hc， 其二者表示邻域的大小；终止条件ε。i＝1,2,...,NIJ；初始化区域最小 像素点数M；
3.2、更新每个像素点的幅值：
其中表示核函数，C为归一化常数；
3.3、当时，使得Z中包含平滑后图像的 空间信息及颜色信息。否则k＝k+1，返回步骤2.2；直到所有像素点都计算完 成；
3.4、将满足||jzs-izs||＜hs，||jzc-izc||＜hc，i,j＝1,2,...,NIJ的像素点合并在一 起，并对其进行编号使得像素点被分为Q类，其中每一类的编号为Cq， q＝1,2,...,Q。统计每一类中像素点个数为如果则将其与邻域 合并，最终得到Q'类像素点；
3.5、求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：表示分割后所得图像的第i个像素 点幅值；最终得到分割后图像
步骤4、具体包括：
4.1、t＝1时，初始化低频子带低通滤波器fl，高通滤 波器fh；最大变换次数T；
4.2、对图像进行行变换， 其中进而存 在行变换后的图像:对和进行 列下采样，得到
4.3、对图像进行列变换， 其中，进而得到变换后的图像：分别对进行列下采样，得到二者中分别包含了一部分低频子带和三部分高频子带
4.4、t＝t+1，直到t＞T，否则返回步骤4.2；
4.5、tt＝T时，初始化 lRtt表示融合后的低频子带，a 和b表示融合系数，满足a+b＝1；
4.6、 hRtt表示融合后的高频子带，lRtt和hRtt组成图像
4.7、对Rtt的行进行上采样得到然后对其列进行变换 最终得到图像其中和表示逆变换；相同的，对的列进行上采样得到然后对其行进行变换 最终由得到图像lRtt-1；
4.8、tt＝tt-1，直到tt＜1时，得到最终融合图像R＝lR0；否则，返回步骤 4.6；
优选的是，所述步骤五中的过程为：根据最终得到的碎片云撞击后墙多 类型损伤的红外融合图像，可以同时分辨出后墙中心穿孔、中心层裂剥离区 域、中心密集撞击坑区域、外围散布撞击坑区域等，测量出上述典型损伤的 位置和尺寸，并将其与前述碎片云结构特征和运动轨迹进行分析，就可以将 碎片云特征及其对后墙不同的撞击损伤模式一一对应，从而对不同缓冲屏材 料的超高速撞击防护性能进行综合评价。
本发明至少包括以下有益效果：
(1)、本发明将数学模型与碎片云超高速撞击后墙损伤特性结合在一起， 不仅能够重构后墙表面损伤，更甚至能重构后墙的亚表面损伤，如图2所示；
(2)、本发明提出了对于超高速撞击损伤检测的整体算法框架，其中包 括：后墙表面损伤和亚表面损伤信息的重构；平滑和分割来去除非损伤噪声； 图像融合实现多种碎片云撞击损伤的可视化准确描述。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将 通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明：
图1是本发明红外视频流组成说明；
图2是超高速撞击损伤的示意图；
图3是防护结构示意图；
图4是解模型所获得损伤图像；
图5是亚表面损伤平滑分割后图像；
图6是融合后损伤结果图。
具体实施方式：
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照 说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一 个或多个其它元件或其组合的存在或添加。
实施例1：
一种空间碎片防护构型缓冲屏损伤评估方法，包括以下步骤：
步骤一、将待评估缓冲屏材料前板与航天用铝合金后墙板组成Whipple 防护构型；利用超高速弹道靶设备发射铝合金弹丸超高速撞击Whipple防护 构型，用于模拟空间碎片超高速撞击防护构型过程，铝合金弹丸直径与缓冲 屏厚度基本相当；缓冲屏厚度与铝合金后墙厚度为毫米级；
步骤二、利用多站光电探测器测得铝合金弹丸撞击速度，利用超高速序 列激光阴影成像设备记录铝合金弹丸超高速撞击缓冲屏产生的二次碎片云阴 影图像序列；同时获取碎片云撞击后墙的损伤样品；
步骤三、通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割， 以消除噪声干扰，提取碎片云主要特征信息；
步骤四、通过对后墙损伤样品进行主动加热，并利用红外热像仪获取后 墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤 以及表面不可见损伤，通过建立多稀疏模型，并通过变分贝叶斯推断重构后 墙损伤试件表面及亚表面的损伤信息，通过图像平滑和分割算法去除图像中 与损伤无关的信息，并将不同损伤进行图像融合；
步骤五、根据最终得到的碎片云撞击后墙多类型损伤的红外融合图像， 可以同时分辨出后墙中心穿孔、中心层裂剥离区域、中心密集撞击坑区域、 外围散布撞击坑区域等，测量出上述典型损伤的位置和尺寸，并将其与前述 碎片云结构特征和运动轨迹进行分析，就可以将碎片云特征及其对后墙不同 的撞击损伤模式一一对应，从而对不同缓冲屏材料的超高速撞击防护性能进 行综合评价；
所述步骤三中，通过均值漂移算法对碎片云序列激光阴影图像进行平滑 和分割的过程包括以下步骤：
步骤Ⅰ、k＝1时，将碎片云图像通过S＝(ss,sc)表示，其中ss表示像素点的 空域二维坐标信息，sc表示像素点值域的颜色信息。初始化空间窗口大小hs和 颜色窗口大小hc，其二者表示邻域的大小；终止条件ε；i＝1,2,...,K， K表示像素点数目；初始化区域最小像素点数M；
步骤Ⅱ、更新每个像素点的幅值：
其中表示核函数，C为归一化常数；
步骤Ⅲ、当时，使得Z中包含平滑后图像 的空间信息及颜色信息；否则k＝k+1，返回步骤Ⅱ；
步骤Ⅳ、将满足的像素点合并在一起，其中， Z＝(zs,zc)；并对其进行编号使得像素点被分为Q类，其中每一类的编号为 Classq，q＝1,2,...,Q；统计每一类中像素点个数为如果则将 其与邻域合并，最终得到Q'类像素点；
求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：表示分割后所得图像的第i 个像素点幅值；
所述步骤四包括以下过程：
步骤1、将碎片云撞击后墙得到的损伤样品进行主动激励加热，利用红 外热像仪记录后墙损伤样品的红外热图像视频流；将待检测视频流通过矩阵 块表示，其中NI×NJ表示空间信息，NT表示时间信息；通过向量 算子Ve将矩阵块转换为二维矩阵NIJ＝NI×NJ；即：S＝[Vec(S'(1)),...,Vec(S'(NT))]，为了重构不同的损伤信息，将视频流写为：
其中表示表面损伤，亚表面损伤和非 损伤区域的主要特征，IF(tF)，IB(tB)，IN(tN)表示特征矩阵的列向量，和分别表示不同区域的混合系数矩阵； λF(tF)，λB(tB)，λN(tN)表示行向量；如果将它们写为矩阵的形式，B为一个低 秩矩阵；DF和DB分别表示前侧与背侧损伤信息矩阵，由于损伤在试件中仅仅 占很小一部分，因此表现为稀疏性；N表示在损伤检测中噪声信息；
步骤2、为了能够同时得到后墙前表面损伤信息DF和背面损伤信息DB， 采用变分贝叶斯推断对步骤1中模型进行求解；其过程包括：
步骤2.1、采用奇异值分解将矩阵B分解为：B＝XYT,且X和Y分别服从均值为 零，方差为σj -1的高斯分布，σj -1服从Gamma分布， u和v都是超参数；DF和DB中每个元素 分别独立同分布于均值为零，方差分别为αij和βij的高斯分布，其中，其中αij和βij假设其分别服从Jeffrey’s先验：p(αij)＝(αij)-1，p(βij)＝(βij)-1；N为高斯 白噪声，其服从均值为零，方差为η的高斯分布，其中η服从Jeffrey’s先验： p(η)＝η-1；
步骤2.2、利用变分贝叶斯推断对模型进行求解，得到：
其中，
ΣX＝(<η><YTY>+γ)-1，ΣY＝(<η><XTX>+γ)-1， 初始化矩阵X，Y，DF和DB，矩阵参数σj -1，αij，βij和η，超参u和v，设置迭代次数为H， 通过上述公式进行迭代，最终通过低秩矩阵DF和DB分别得到前侧和背侧损伤 情况图像SF和SB；
步骤3、其包括以下过程：
3.1、k＝1时，通过S＝(ss,sc)表示SF和SB中的任意一个图像，其中ss表示 像素点的空域二维坐标信息，sc表示像素点的颜色信息，因为本文中处理图 像为彩色图像，因此有三个通道；初始化空间窗口大小hs和颜色窗口大小hc， 其二者表示邻域的大小；终止条件ε。i＝1,2,...,NIJ；初始化区域最小 像素点数M；
3.2、更新每个像素点的幅值：
其中表示核函数，C为归一化常数；
3.3、当时，使得Z中包含平滑后图像的 空间信息及颜色信息。否则k＝k+1，返回步骤2.2；直到所有像素点都计算完 成；
3.4、将满足||jzs-izs||＜hs，||jzc-izc||＜hc，i,j＝1,2,...,NIJ的像素点合并在一 起，并对其进行编号使得像素点被分为Q类，其中每一类的编号为Cq，q＝1,2,...,Q。统计每一类中像素点个数为如果则将其与邻域 合并，最终得到Q'类像素点；
3.5、求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即：表示分割后所得图像的第i个像素 点幅值；最终得到分割后图像
步骤4、具体包括：
4.1、t＝1时，初始化低频子带低通滤波器fl，高通滤 波器fh；最大变换次数T；
4.2、对图像进行行变换， 进而存在行变换后的图 像:对和进行列下采样，得到
4.3、对图像进行列变换， 进而得到变换后的图像：分别对进行列下采样，得到二者中分别包含了一部分低频子带 和三部分高频子带
4.4、t＝t+1，直到t＞T，否则返回步骤4.2；
4.5、tt＝T时，初始化 lRtt表示融合后的低频子带，a 和b表示融合系数，满足a+b＝1；
4.6、 hRtt表示融合后的高频子带，lRtt和hRtt组成图像 Rtt；
4.7、对Rtt的行进行上采样得到然后对其列进行变换 最终得到图像其中和表示逆变换；相同的，对的列进行上采样得到然后对其行进行变换 最终由得到图像lRtt-1；
4.8、tt＝tt-1，直到tt＜1时，得到最终融合图像R＝lR0；否则，返回步骤 4.6。
实验仿真
为了能够更好提取碎片撞击后墙试件的损伤信息，本实施例针对图3所 示的Whipple防护结构后墙试件进行损伤检测。采用本发明中描述的首先运 用变分贝叶斯求解模型参数，之后运用均值漂移算法对去除图像噪声信息， 最终运用基于多尺度变换的图像融合算法实现对试件损伤的准确描述。
下面利用本发明所述方法对试件进行计算分析。
本发明所述方法首先采集试件的原始数据序列，采集时间是8秒，得到 S'∈R512 ×640×544的矩阵块，如图1所示，其中包含了不同损伤信息。之后运用向 量算子将其转化为二维矩阵。然后设置变分贝叶斯的最大迭代次数为100次， 超参数u和v都为10-6，然后重构得到稀疏的表面损伤图像和亚表面损伤图像 如图4所示。
通过均值漂移算法对所得图像进行平滑和分割，其中空间窗口大小hs＝6， 颜色窗口大小hc＝6，核函数为高斯核函数：g(||x||)＝exp(-||x||2/2)。区域最小像素 点数M＝9，终止条件ε＝0.01。处理后的亚表面图像如图5所示。可以看到源 图像中左上角和左下角噪声信息已被去除。
运用多尺度图像融合的方式对表面和亚表面损伤信息进行融合，设置低 通和高通滤波器fl＝[1,1]，fl＝[1,-1]，变换次数T＝2。融合后的图像如图6所 示。可以看出该图像能够清楚地描述当前待检测试件的损伤情况。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方 式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领 域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范 围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (5)
1.一种空间碎片防护构型缓冲屏损伤评估方法，其特征在于，包括以下步骤：
步骤一、将待评估缓冲屏材料前板与航天用铝合金后墙板组成Whipple防护构型；利用超高速弹道靶设备发射铝合金弹丸超高速撞击Whipple防护构型，用于模拟空间碎片超高速撞击防护构型过程，铝合金弹丸直径与缓冲屏厚度基本相当；
步骤二、利用多站光电探测器测得铝合金弹丸撞击速度，利用超高速序列激光阴影成像设备记录铝合金弹丸超高速撞击缓冲屏产生的二次碎片云阴影图像序列；同时获取碎片云撞击后墙的损伤样品；
步骤三、通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割，以消除噪声干扰，提取碎片云主要特征信息；
步骤四、通过对后墙损伤样品进行主动加热，并利用红外热像仪获取后墙损伤的红外热图像序列，基于变分贝叶斯多稀疏成分提取出表面可见损伤以及表面不可见损伤，通过建立多稀疏模型，并通过变分贝叶斯推断重构后墙损伤试件表面及亚表面的损伤信息，通过图像平滑和分割算法去除图像中与损伤无关的信息，并将不同损伤进行图像融合；
步骤五、将碎片云典型特征结构与后墙损伤特征融合图像进行一一对应，从而对不同缓冲屏材料的超高速撞击防护性能进行综合评价。
2.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤一中，缓冲屏厚度与铝合金后墙厚度为毫米级。
3.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤三中，通过均值漂移算法对碎片云序列激光阴影图像进行平滑和分割的过程包括以下步骤：
步骤Ⅰ、k＝1时，将碎片云图像通过S＝(ss,sc)表示，其中ss表示像素点的空域二维坐标信息，sc表示像素点值域的颜色信息。初始化空间窗口大小hs和颜色窗口大小hc，其二者表示邻域的大小；终止条件ε；K表示像素点数目；初始化区域最小像素点数M；
步骤Ⅱ、更新每个像素点的幅值：
其中表示核函数，C为归一化常数；
步骤Ⅲ、当时，使得Z中包含平滑后图像的空间信息及颜色信息；否则k＝k+1，返回步骤Ⅱ；
步骤Ⅳ、将满足的像素点合并在一起，其中，Z＝(zs,zc)；并对其进行编号使得像素点被分为Q类，其中每一类的编号为Classq，q＝1,2,...,Q；统计每一类中像素点个数为如果则将其与邻域合并，最终得到Q'类像素点；
求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即： 表示分割后所得图像的第i个像素点幅值。
4.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤四包括以下过程：
步骤1、将碎片云撞击后墙得到的损伤样品进行主动激励加热，利用红外热像仪记录后墙损伤样品的红外热图像视频流；将待检测视频流通过矩阵块表示，其中NI×NJ表示空间信息，NT表示时间信息；通过向量算子Vec将矩阵块转换为二维矩阵NIJ＝NI×NJ；即：S＝[Vec(S′(1))，...，Vec(S′(NT))]，为了重构不同的损伤信息，将视频流写为：
其中表示表面损伤，亚表面损伤和非损伤区域的主要特征，IF(tF)，IB(tB)，IN(tN)表示特征矩阵的列向量，和分别表示不同区域的混合系数矩阵；λF(tF)，λB(tB)，λN(tN)表示行向量；如果将它们写为矩阵的形式，B为一个低秩矩阵；DF和DB分别表示前侧与背侧损伤信息矩阵，由于损伤在试件中仅仅占很小一部分，因此表现为稀疏性；N表示在损伤检测中噪声信息；
步骤2、为了能够同时得到后墙前表面损伤信息DF和背面损伤信息DB，采用变分贝叶斯推断对步骤1中模型进行求解；其过程包括：
步骤2.1、h＝1时，初始化矩阵Xh和Yh中每一列元素和分别服从均值为零，方差为σj -1的高斯分布，而且存在： 服从Gamma分布，u和v都是超参数；和中每个元素和分别独立同分布于均值为零，方差分别为和的高斯分布；其中，和分别服从Jeffrey’s先验：Nh为高斯白噪声，其服从均值为零，方差为ηh的高斯分布，其中ηh服从Jeffrey’s先验：设置最大迭代次数为H；
步骤2.2、通过如下公式迭代每个参数的值(h＝h+1)：
其中，<·>表示期望；分别表示矩阵Xh，Yh的第i行和第j行；分别为矩阵Xh，Yh的协方差矩阵；
分别表示前表面损伤信息矩阵和背面损伤信息矩阵的协方差矩阵；
步骤2.3、h＝h+1，当h≤H时，返回步骤2.2；否则，得到最终的低秩矩阵和将和中每一列表示为各自区域的损伤图像，选择对比度最强烈的图像得到前表面和背面损伤情况图像和
步骤3、其包括以下过程：
3.1、k＝1时，通过S＝(ss,sc)表示SF和SB中的任意一个图像，其中ss表示像素点的空域二维坐标信息，sc表示像素点的颜色信息，因为本文中处理图像为彩色图像，因此有三个通道；初始化空间窗口大小hs和颜色窗口大小hc，其二者表示邻域的大小；终止条件ε。初始化区域最小像素点数M；
3.2、更新每个像素点的幅值：
其中表示核函数，C为归一化常数；
3.3、当时，使得Z中包含平滑后图像的空间信息及颜色信息。否则k＝k+1，返回步骤2.2；直到所有像素点都计算完成；
3.4、将满足||jzs-izs||＜hs，||jzc-izc||＜hc，i,j＝1,2,...,NIJ的像素点合并在一起，并对其进行编号使得像素点被分为Q类，其中每一类的编号为Cq，q＝1,2,...,Q。统计每一类中像素点个数为如果则将其与邻域合并，最终得到Q'类像素点；
3.5、求取每一类像素点幅值的均值作为该区域中每个像素点的幅值，即： 表示分割后所得图像的第i个像素点幅值；最终得到分割后图像
步骤4、具体包括：
4.1、t＝1时，初始化低频子带低通滤波器fl，高通滤波器fh；最大变换次数T；
4.2、对图像进行行变换， 其中进而存在行变换后的图像:对和进行列下采样，得到
4.3、对图像进行列变换， 其中，进而得到变换后的图像：分别对进行列下采样，得到二者中分别包含了一部分低频子带和三部分高频子带
4.4、t＝t+1，直到t＞T，否则返回步骤4.2；
4.5、tt＝T时，初始化 lRtt表示融合后的低频子带，a和b表示融合系数，满足a+b＝1；
4.6、 hRtt表示融合后的高频子带，lRtt和hRtt组成图像
4.7、对Rtt的行进行上采样得到然后对其列进行变换 最终得到图像其中和表示逆变换；相同的，对的列进行上采样得到然后对其行进行变换 最终由得到图像lRtt-1。
4.8、tt＝tt-1，直到tt＜1时，得到最终融合图像R＝lR0；否则，返回步骤4.6；
5.如权利要求1所述的空间碎片防护构型缓冲屏损伤评估方法，其特征在于，所述步骤五中的过程为：根据最终得到的碎片云撞击后墙多类型损伤的红外融合图像，可以同时分辨出后墙中心穿孔、中心层裂剥离区域、中心密集撞击坑区域、外围散布撞击坑区域等，测量出上述典型损伤的位置和尺寸，并将其与前述碎片云结构特征和运动轨迹进行分析，就可以将碎片云特征及其对后墙不同的撞击损伤模式一一对应，从而对不同缓冲屏材料的超高速撞击防护性能进行综合评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910373517.8A CN110294147B (zh) | 2019-05-07 | 2019-05-07 | 一种空间碎片防护构型缓冲屏损伤评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910373517.8A CN110294147B (zh) | 2019-05-07 | 2019-05-07 | 一种空间碎片防护构型缓冲屏损伤评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110294147A true CN110294147A (zh) | 2019-10-01 |
| CN110294147B CN110294147B (zh) | 2020-07-28 |
Family
ID=68026606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910373517.8A Active CN110294147B (zh) | 2019-05-07 | 2019-05-07 | 一种空间碎片防护构型缓冲屏损伤评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110294147B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652252A (zh) * | 2020-06-11 | 2020-09-11 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于集成学习的超高速撞击损伤的定量识别方法 |
| CN112016628A (zh) * | 2020-09-04 | 2020-12-01 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于动态多目标预测的空间碎片撞击损伤判读方法 |
| CN112132802A (zh) * | 2020-05-27 | 2020-12-25 | 电子科技大学 | 一种基于自学习拼接算法的航天器撞击损伤检测方法 |
| CN112215830A (zh) * | 2020-10-21 | 2021-01-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航天防热材料撞击损伤特征类型判读方法 |
| CN112233099A (zh) * | 2020-10-21 | 2021-01-15 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种可重复使用航天器表面撞击损伤特征识别方法 |
| CN115180184A (zh) * | 2022-08-08 | 2022-10-14 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种填充式防护构型 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050200493A1 (en) * | 2004-02-10 | 2005-09-15 | Marishak Frank T.Jr. | Device for monitoring the integrity of spacecraft thermal protection tiles |
| CN105109709A (zh) * | 2015-08-25 | 2015-12-02 | 中国人民解放军国防科学技术大学 | 一种防隔热/防护一体化空间碎片防护结构及其应用 |
| CN108665420A (zh) * | 2017-03-31 | 2018-10-16 | 西安电子科技大学 | 基于变分贝叶斯模型的红外弱小目标图像背景抑制方法 |
| CN109100718A (zh) * | 2018-07-10 | 2018-12-28 | 中国人民解放军国防科技大学 | 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法 |
| CN109455315A (zh) * | 2018-09-28 | 2019-03-12 | 北京空间机电研究所 | 一种空间碎片及弹丸拦阻防护装置及系统 |
-
2019
- 2019-05-07 CN CN201910373517.8A patent/CN110294147B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050200493A1 (en) * | 2004-02-10 | 2005-09-15 | Marishak Frank T.Jr. | Device for monitoring the integrity of spacecraft thermal protection tiles |
| CN105109709A (zh) * | 2015-08-25 | 2015-12-02 | 中国人民解放军国防科学技术大学 | 一种防隔热/防护一体化空间碎片防护结构及其应用 |
| CN108665420A (zh) * | 2017-03-31 | 2018-10-16 | 西安电子科技大学 | 基于变分贝叶斯模型的红外弱小目标图像背景抑制方法 |
| CN109100718A (zh) * | 2018-07-10 | 2018-12-28 | 中国人民解放军国防科技大学 | 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法 |
| CN109455315A (zh) * | 2018-09-28 | 2019-03-12 | 北京空间机电研究所 | 一种空间碎片及弹丸拦阻防护装置及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 鲁鹏: "变分贝叶斯分解算法在红外无损检测中的应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 龚自正等: "空间碎片防护研究现状与国内发展建议", 《航天器环境工程》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112132802A (zh) * | 2020-05-27 | 2020-12-25 | 电子科技大学 | 一种基于自学习拼接算法的航天器撞击损伤检测方法 |
| CN111652252A (zh) * | 2020-06-11 | 2020-09-11 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于集成学习的超高速撞击损伤的定量识别方法 |
| CN112016628A (zh) * | 2020-09-04 | 2020-12-01 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种基于动态多目标预测的空间碎片撞击损伤判读方法 |
| CN112215830A (zh) * | 2020-10-21 | 2021-01-12 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航天防热材料撞击损伤特征类型判读方法 |
| CN112233099A (zh) * | 2020-10-21 | 2021-01-15 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种可重复使用航天器表面撞击损伤特征识别方法 |
| CN112215830B (zh) * | 2020-10-21 | 2022-03-04 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种航天防热材料撞击损伤特征类型判读方法 |
| CN112233099B (zh) * | 2020-10-21 | 2022-03-25 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种可重复使用航天器表面撞击损伤特征识别方法 |
| CN115180184A (zh) * | 2022-08-08 | 2022-10-14 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种填充式防护构型 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110294147B (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110294147B (zh) | 一种空间碎片防护构型缓冲屏损伤评估方法 | |
| CN110402108B (zh) | 校正射线照相系统中散射的装置和方法 | |
| Gladkova et al. | Quantitative restoration for MODIS band 6 on Aqua | |
| CN112819775B (zh) | 一种航空航天复合材料损伤检测图像的分割强化方法 | |
| CN112818822B (zh) | 一种航空航天复合材料损伤区域自动识别方法 | |
| CN110298061B (zh) | 一种多损伤特征重构的空间碎片防护构型损伤评估方法 | |
| Giardino et al. | The impact of cosmic rays on the sensitivity of JWST/NIRSpec | |
| Yari et al. | Smart tracking of internal layers of ice in radar data via multi-scale learning | |
| Mumtaz et al. | Computer aided visual inspection of aircraft surfaces | |
| CN106228130A (zh) | 基于模糊自编码网络的遥感影像云检测方法 | |
| Picard et al. | Deep learning-assisted classification of site-resolved quantum gas microscope images | |
| Malm et al. | Papsynth: simulated bright-field images of cervical smears | |
| Pérez-Suárez et al. | Automated solar feature detection for space weather applications | |
| CN110222740B (zh) | 一种基于加性模糊的红外技术缺陷重构与特征提取方法 | |
| Fein-Ashley et al. | Benchmarking deep learning classifiers for sar automatic target recognition | |
| CN107871123B (zh) | 一种逆合成孔径雷达空间目标分类方法及系统 | |
| Wang et al. | Using restored two-dimensional X-ray images to reconstruct the three-dimensional magnetopause | |
| Salih et al. | Automatic detection of secondary craters and mapping of planetary surface age based on lunar orbital images | |
| Tian et al. | A Tracking Algorithm for Debris Cloud Fragments Produced by Different Hypervelocity Impacts Through Image Processing | |
| Vilalta et al. | Development of pattern recognition software for tracks of ionizing radiation in medipix2-based (timepix) pixel detector devices | |
| CN112906713B (zh) | 一种航空航天复合材料损伤可视化特征提取方法 | |
| CN110223274B (zh) | 一种基于乘性模糊的红外技术缺陷重构与特征提取方法 | |
| Javaherian et al. | Review of image processing methods in solar photospheric data analyzes | |
| Zhu et al. | Integration of tomographic SAR inversion and PSI for operational use | |
| CN108596071A (zh) | 基于梯度约束生成对抗网络的异谱段红外图像变换方法 |
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 |