CN116738288A - 基于单点振动响应的悬臂梁在线损伤识别方法 - Google Patents

基于单点振动响应的悬臂梁在线损伤识别方法 Download PDF

Info

Publication number
CN116738288A
CN116738288A CN202310705989.5A CN202310705989A CN116738288A CN 116738288 A CN116738288 A CN 116738288A CN 202310705989 A CN202310705989 A CN 202310705989A CN 116738288 A CN116738288 A CN 116738288A
Authority
CN
China
Prior art keywords
damage
displacement response
cantilever
response signal
cantilever beam
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.)
Pending
Application number
CN202310705989.5A
Other languages
English (en)
Inventor
方杰
刘城轩
李开阳
邹爽
李晗
王兴桐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202310705989.5A priority Critical patent/CN116738288A/zh
Publication of CN116738288A publication Critical patent/CN116738288A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G01M7/02—Vibration-testing by means of a shake table
    • G01M7/025—Measuring arrangements
    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供了一种基于单点振动响应的悬臂梁在线损伤识别方法，包括：获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度；基于位移响应功率谱密度提取特征指标，并将特征指标输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。本发明能够基于单点响应信号快速准确地在线定位悬臂梁结构的损伤，提高了损伤识别的精度和效率。

Description

基于单点振动响应的悬臂梁在线损伤识别方法
技术领域
本发明涉及工程结构健康监测技术领域，尤其是涉及一种基于单点振动响应的悬臂梁在线损伤识别方法。
背景技术
悬臂梁是工程中最常见的一种结构，在土木、航空、航天等领域有着广泛的应用。悬臂梁结构在长期服役的过程中，经受各种复杂的振动、冲击、气动等载荷的作用，随着时间的推移容易产生裂纹和各种损伤使结构的安全性能降低，及时的发现、评估、修复损伤，对于保证结构安全、减少重大损失具有重大意义。
当悬臂梁结构发生损伤时，结构的动力特性参数会发生变化，因此可以根据结构的动力特性来对结构的健康状态进行监测。传统的基于结构动力特性参数的损伤识别方法常采用固有频率、模态振型、模态曲率、模态应变能等作为损伤指标。但是，传统方法存在一定的局限性：一是固有频率等作为结构的全局变量，对局部损伤不敏感，识别精度低；二是模态曲率等结构局部变量需要在结构上多个位置布置测点，测量复杂且对于复杂结构某些位置无法抵达；三是模态应变能等损伤指标需要较为复杂的后处理，无法及时快速地实时在线损伤监测。
发明内容
有鉴于此，本发明的目的在于提供一种基于单点振动响应的悬臂梁在线损伤识别方法，能够基于单点响应信号快速准确地在线定位悬臂梁结构的损伤，提高了损伤识别的精度和效率。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种基于单点振动响应的悬臂梁在线损伤识别方法，包括：获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度；基于位移响应功率谱密度提取特征指标，并将特征指标输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。
在一种实施方式中，基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度，包括：采用傅里叶变换将时域位移响应信号转换为频域位移响应信号；基于频域位移响应信号计算得到损伤敏感位置处的位移响应功率谱密度。
在一种实施方式中，损伤敏感位置的确定过程包括：建立无损悬臂梁的有限元模型，并对有限元模型进行修正得到目标有限元模型；基于不同的损伤工况将无损悬臂梁沿悬臂梁结构纵向划分多个损伤区域；其中，每个损伤区域对应一种损伤工况；基于目标有限元模型和损伤区域建立不同损伤工况下的损伤有限元模型；对不同损伤工况下的损伤有限元模型进行模态分析，得到多组不同损伤工况下的结构位移模态振型数据；将结构位移模态振型数据转换为模态曲率，并基于模态曲率进行灵敏度分析，得到悬臂梁的损伤敏感位置。
在一种实施方式中，将结构位移模态振型数据转换为模态曲率，并基于模态曲率进行灵敏度分析，得到悬臂梁的损伤敏感位置，包括：采用二阶差分算法将结构位移模态振型数据转换为模态曲率；计算不同损伤工况下同一损伤区域的模态曲率的方差值；将方差值最大的损伤区域确定为悬臂梁的损伤敏感位置。
在一种实施方式中，损伤识别模型的训练过程包括：对不同损伤工况下的损伤有限元模型进行随机振动仿真分析；提取每种损伤工况下损伤敏感位置的位移响应功率谱密度，并基于位移响应功率谱密度提取特征指标；将每种损伤工况下的特征指标作为输入样本，以及将每种损伤工况对应的损伤区域作为输出样本；基于输入样本和输出样本对深度神经网络模型进行训练，得到训练好的损伤识别模型。
在一种实施方式中，基于输入样本和输出样本对深度神经网络模型进行训练，包括：基于输入样本和输出样本，采用交叉验证的方式对深度神经网络模型进行训练。
第二方面，本发明实施例提供了一种基于单点振动响应的悬臂梁在线损伤识别装置，包括：信号获取模块，用于获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；功率谱密度确定模块，用于基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度；损伤识别模块，用于基于位移响应功率谱密度提取特征指标，并将特征指标输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。
在一种实施方式中，功率谱密度确定模块，还用于：采用傅里叶变换将时域位移响应信号转换为频域位移响应信号；基于频域位移响应信号计算得到损伤敏感位置处的位移响应功率谱密度。
第三方面，本发明实施例提供了一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面提供的任一项的方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面提供的任一项的方法的步骤。
本发明实施例带来了以下有益效果：
本发明实施例提供的上述基于单点振动响应的悬臂梁在线损伤识别方法，首先获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；然后基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度；最后基于位移响应功率谱密度提取特征指标，并将特征指标输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。上述方法能够通过单点(悬臂梁的损伤敏感位置)的响应信号，结合预先训练好的损伤识别模型对悬臂梁损伤进行识别，从而快速准确地定位悬臂梁的损伤位置，提高了损伤识别的精度和效率，保证了悬臂梁结构的安全性。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于单点振动响应的悬臂梁在线损伤识别方法的流程图；
图2为本发明实施例提供的一种悬臂梁损伤智能在线监测示意图；
图3为本发明实施例提供的一种悬臂梁结构损伤区域划分示意图；
图4为本发明实施例提供的另一种基于单点振动响应的悬臂梁在线损伤识别方法的流程图；
图5为本发明实施例提供的一种基于单点振动响应的悬臂梁在线损伤识别装置的结构示意图；
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前传统的基于结构动力特性参数的损伤识别方法常采用固有频率、模态振型、模态曲率、模态应变能等作为损伤指标。但是，传统方法存在一定的局限性：一是固有频率等作为结构的全局变量，对局部损伤不敏感，识别精度低；二是模态曲率等结构局部变量需要在结构上多个位置布置测点，测量复杂且对于复杂结构某些位置无法抵达；三是模态应变能等损伤指标需要较为复杂的后处理，无法及时快速地实时在线损伤监测。
基于此，本发明实施例提供的一种基于单点振动响应的悬臂梁在线损伤识别方法，能够基于单点响应信号快速准确地在线定位悬臂梁结构的损伤，提高了损伤识别的精度和效率。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于单点振动响应的悬臂梁在线损伤识别方法进行详细介绍，该方法可以由电子设备执行，诸如智能手机、电脑、平板电脑等。参见图1所示的一种基于单点振动响应的悬臂梁在线损伤识别方法的流程图，示意出该方法主要包括以下步骤S101至步骤S103：
步骤S101：获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号。
在一种实施方式中，参见图2所示的一种悬臂梁损伤智能在线监测示意图，在悬臂梁根部承受工作状态下的随机载荷谱，激光传感器安装在悬臂梁的损伤敏感位置X的正上方，记录悬臂梁的时域位移响应信号。在具体实施时，针对实际悬臂梁结构，可以采用与仿真相同的载荷功率谱施加于悬臂梁的根部，并通过激光传感器在线实时测量损伤敏感位置处的时域位移响应信号。
步骤S102：基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度。
在一种实施方式中，对于获取到的损伤敏感位置处的时域位移响应信号，可以先将其转换为频域位移响应信号，进而计算得到损伤敏感位置处的位移响应功率谱密度。
步骤S103：基于位移响应功率谱密度提取特征指标，并将特征指标输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。
在一种实施方式中，可以根据位移响应功率谱密度提取特征指标，包括：前4阶谱矩、峰值及其对应的频率；将提取到的特征指标作为输入，输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。其中，本发明实施例中采用的损伤识别模型可以是基于深度神经网络模型训练得到的。
本发明实施例提供的上述基于单点振动响应的悬臂梁在线损伤识别方法，能够通过单点(悬臂梁的损伤敏感位置)的响应信号，结合预先训练好的损伤识别模型对悬臂梁损伤进行识别，从而快速准确地定位悬臂梁的损伤位置，提高了损伤识别的精度和效率，保证了悬臂梁结构的安全性；同时上述方法可以在实验状态下获取到单点的响应信号后，实时在线进行损伤识别，相较于现有技术中需要在实验结束后才进行损伤识别的方法，更具有时效性。
在一种实施方式中，对于前述步骤S102，即在基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度时，可以采用包括但不限于以下方式实现：首先，采用傅里叶变换将时域位移响应信号转换为频域位移响应信号；然后基于频域位移响应信号计算得到损伤敏感位置处的位移响应功率谱密度。
在具体实施时，可以先采用快速傅里叶变换将获取到的时域位移响应信号转换为频域位移响应信号，然后计算频域位移响应信号的平方值，并将其进行归一化后，得到损伤敏感位置处的位移响应功率谱密度。
具体的，可以按照以下公式计算频域位移响应信号和位移响应功率谱密度：
其中，uN(n)表示一组(N个)离散的时域位移响应信号，UN(ω)表示经傅里叶变换后的频域位移响应信号，表示对应的位移响应功率谱密度。
本发明实施例中还提供了一种基于模态分析确定损伤敏感位置的方法，可以根据悬臂梁模态曲率确定损伤敏感位置，具体包括以下步骤1至步骤5：
步骤1：建立无损悬臂梁的有限元模型，并对有限元模型进行修正得到目标有限元模型。
在具体实施时，首先建立无损悬臂梁的有限元模型，然后以试验模态频率为目标，边界参数、材料参数为变量，采用粒子群算法对无损悬臂梁的有限元模型进行修正得到可以替代实际结构的高精度有限元模型，即目标有限元模型。具体的，在修正时，可以将悬臂梁根部固定边界条件等效为弹簧约束，以前3阶试验模态频率为目标，以弹簧刚度约束、材料参数为优化变量，对有限元模型进行修正，使有限元模型更接近于实际的悬臂梁结构，得到高精度有限元模型。
步骤2：基于不同的损伤工况将无损悬臂梁沿悬臂梁结构纵向划分多个损伤区域；其中，每个损伤区域对应一种损伤工况。
在具体实施时，可以根据结构损伤识别需要的精度(可根据实际情况确定，精度越高，划分的损伤区域越小)，沿悬臂梁结构纵向划分若干个损伤区域；不同的损伤区域代表不同的损伤工况，无损伤状态也记为一种工况，基于此，本发明实施例中可以确定损伤工况总数量为N。
具体的，参见图3所示的一种悬臂梁结构损伤区域划分示意图，其中，B0表示悬臂梁根部，即固定端，1、2、3、4、5、6、7分别为划分的7个损伤区域。每个损伤区域对应不同的损伤工况，损伤可以按照刚度折减来表示。
步骤3：基于目标有限元模型和损伤区域建立不同损伤工况下的损伤有限元模型。
在具体实施时，可以根据不同损伤工况建立相应的有限元模型，即对于某种损伤工况先确定其对应的损伤区域，然后根据无损的目标有限元模型和对应的损伤区域，建立该种损伤工况下的损伤有限元模型。例如：假设第二种损伤工况对应的损伤区域为图3所示的2号区域，则建立第二种损伤工况下相应的2号区域有损伤、其他区域无损伤的损伤有限元模型。其他损伤工况类似，在此不再列举。
步骤4：对不同损伤工况下的损伤有限元模型进行模态分析，得到多组不同损伤工况下的结构位移模态振型数据。
在具体实施时，分别对每种损伤工况下的损伤有限元模型进行模态分析，提取悬臂梁纵向中心对称轴处的位移模态振型数据，获得N组不同损伤工况下的结构位移模态振型数据。
步骤5：将结构位移模态振型数据转换为模态曲率，并基于模态曲率进行灵敏度分析，得到悬臂梁的损伤敏感位置。
在具体实施时，将结构位移模态振型数据转换为模态曲率，以模态曲率数据进行灵敏度分析，确定悬臂梁结构中对损伤最为敏感的位置，记为损伤敏感位置X。具体的，可以采用包括但不限于以下方式确定悬臂梁的损伤敏感位置：首先，采用二阶差分算法将结构位移模态振型数据转换为模态曲率；然后，计算不同损伤工况下同一损伤区域的模态曲率的方差值；最后，将方差值最大的损伤区域确定为悬臂梁的损伤敏感位置。
具体的，可以按照以下公式计算模态曲率：
其中，表示损伤敏感位置X处的模态曲率，/>表示损伤敏感位置X处的位移模态，h表示间距。
在确定悬臂梁的损伤敏感位置后，本发明实施还进一步提供了一种损伤识别模型的训练过程，基于随机振动分析建立深度神经网络模型，以悬臂梁的损伤敏感位置的相应信号作为样本数据训练得到损伤识别模型，具体包括以下步骤(1)至步骤(4)：
步骤(1)：对不同损伤工况下的损伤有限元模型进行随机振动仿真分析。
在具体实施时，可以采用悬臂梁工作状态的载荷功率谱施加于悬臂梁根部，分别对N种不同损伤工况的悬臂梁损伤有限元模型进行随机振动仿真分析。
步骤(2)：提取每种损伤工况下损伤敏感位置的位移响应功率谱密度，并基于位移响应功率谱密度提取特征指标。
在具体实施时，可以在仿真过程中，提取每种损伤工况下损伤敏感位置X处的位移响应功率谱密度，对应N中损伤工况即可获得N组位移响应功率谱密度，然后从位移响应功率谱密度提取特征指标。
步骤(3)：将每种损伤工况下的特征指标作为输入样本，以及将每种损伤工况对应的损伤区域作为输出样本。
步骤(4)：基于输入样本和输出样本对深度神经网络模型进行训练，得到训练好的损伤识别模型。
在具体实施时，将每种损伤工况下的特征指标作为输入样本，每种损伤工况对应的损伤区域作为输出样本，根据输入样本和输出样本，确定深度神经网络的层数及各层的结点数，采用交叉验证的方式搭建训练回归型深度神经网络模型进行训练，得到训练好的损伤识别模型，后续可基于该损伤识别模型进行悬臂梁结构健康在线监测。
为了便于理解，本发明实施例还提供了另一种基于单点振动响应的悬臂梁在线损伤识别方法的流程图，参见图4所示，该方法主要包括三个部分：
(1)基于模态分析确定损伤敏感位置。
具体的，该部分主要包括以下步骤1至步骤4：
步骤1：建立无损悬臂梁的有限元模型，将根部固定边界条件等效为弹簧约束；以前3阶试验模态频率为目标，以弹簧刚度约束、材料参数为优化变量，采用粒子群算法对无损悬臂梁结构的有限元模型进行修正得到可以替代实际结构的高精度的有限元模型。
步骤2：根据结构损伤识别需要的精度，沿悬臂梁结构纵向划分若干个损伤区域，区域划分可以根据先验知识在易发生损伤部位适当加密，不易发生损伤区域适当稀疏；不同的损伤区域代表不同的损伤工况，无损伤状态也记为一种工况，确定损伤工况总数量为N。
其中，损伤可以按照统一设定的刚度折减系数来表示，当实际结构的刚度变化达到该折减系数时，认为该处发生损伤。
步骤3：根据不同的损伤工况建立相应的有限元模型，分别进行模态分析，并沿悬臂梁纵向中心对称轴提取1阶位移模态振型，获得N组不同损伤工况下的结构位移模态振型数据。
具体的，分别建立每种损伤工况下的损伤有限元模型，并对每种损伤工况下的损伤有限元模型进行模态分析，提取悬臂梁纵向中心对称轴处的1阶位移模态振型数据，获得N组不同损伤工况下的结构位移模态振型数据。
步骤4：采用二阶差分将结构位移模态振型数据转换为模态曲率，基于不同损伤工况下的模态曲率数据确定结构中对损伤最为敏感的位置，即损伤敏感位置。
具体的，以不同损伤工况下各位置(即各损伤区域)的模态曲率的方差为指标，方差越大表明对损伤越敏感，以方差最大的位置为损伤最敏感位置，记为损伤敏感位置X。
(2)基于随机振动分析建立深度神经网络模型。
具体的，该部分主要包括以下步骤5至步骤7：
步骤5：采用悬臂梁工作状态的载荷功率谱施加于悬臂梁根部，分别对N种不同损伤工况的悬臂梁进行随机振动仿真分析，并根据随机振动仿真结果提取损伤敏感位置X处的位移响应功率谱密度GX(f)。
步骤6：从位移响应功率谱密度中提取特征指标(包括前4阶谱矩、峰值及其对应的频率)作为输入样本，以划分的悬臂梁结构的损伤区域的位置作为输出。
具体的，基于不同损伤工况的随机振动分析共获得N组位移响应功率谱密度，从N组位移响应功率谱密度中提取特征指标作为输入样本，以损伤区域的位置作为输出样本。特别的，无损伤状态对应损伤位置为0。其中，第i阶谱矩的计算公式为：
其中，f表示频率，mi表示第i阶谱矩，GX(f)表示单边位移响应功率谱密度。
步骤7：根据输入样本和输出样本，确定深度神经网络的层数及各层的结点数，采用交叉验证的方法搭建训练回归型深度神经网络模型，后续可基于该深度神经网络模型进行悬臂梁结构健康在线监测。
(3)悬梁臂在线损伤识别。
具体的，该部分主要包括以下步骤8至步骤10：
步骤8：针对实际悬臂梁结构，采用与仿真相同的载荷功率谱施加于悬臂梁的根部，并将传感器安装于损伤敏感位置X处，在线实时测量于损伤敏感位置X处的时域位移响应信号。
步骤9：针对测得的损伤敏感位置X处的时域位移响应信号，采用快速傅里叶变换将时域位移响应信号转换到频域，进一步求得到损伤敏感位置X处的位移响应功率谱密度。
步骤10：根据位移响应功率谱密度提取前4阶谱矩、峰值及其对应的频率作为输入，代入训练好的深度神经网络模型中，即可快速准确地进行损伤识别与定位。
本发明实施例提供的上述方法，可以基于单个传感器的测量信息准确的定位结构的损伤位置，至少包含以下有益效果：
(1)针对悬臂梁的损伤监测，能够判断出对损伤最灵敏的位置，不需要布置一系列传感器，即可方便地仅基于损伤敏感位置的单点实测响应信号判断悬臂梁结构的健康状况。
(2)基于随机振动响应数据，从中提取特征指标作为样本，采用交叉验证方法搭建训练深度神经网络模型，能够准确快速的在线定位结构损伤。
(3)本发明实施例中的深度神经网络模型一旦建立，即可根据激光传感器单点测量的数据快速判断定位结构损伤位置，可以实现悬臂梁结构健康状态实时在线监测。
对于前述基于单点振动响应的悬臂梁在线损伤识别方法，本发明实施例还提供了一种基于单点振动响应的悬臂梁在线损伤识别装置，参见图5所示的一种基于单点振动响应的悬臂梁在线损伤识别装置的结构示意图，示意出该装置主要包括以下部分：
信号获取模块501，用于获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；
功率谱密度确定模块502，用于基于时域位移响应信号确定损伤敏感位置处的位移响应功率谱密度；
损伤识别模块503，用于基于位移响应功率谱密度提取特征指标，并将特征指标输入到预先训练好的损伤识别模型中，得到悬臂梁的损伤位置。
本发明实施例提供的上述基于单点振动响应的悬臂梁在线损伤识别装置，能够通过单点(悬臂梁的损伤敏感位置)的响应信号，结合预先训练好的损伤识别模型对悬臂梁损伤进行识别，从而快速准确地定位悬臂梁的损伤位置，提高了损伤识别的精度和效率，保证了悬臂梁结构的安全性。
在一种实施方式中，上述功率谱密度确定模块502进一步还用于：采用傅里叶变换将时域位移响应信号转换为频域位移响应信号；基于频域位移响应信号计算得到损伤敏感位置处的位移响应功率谱密度。
在一种实施方式中，上述装置还包括损伤敏感位置确定模块，用于：建立无损悬臂梁的有限元模型，并对有限元模型进行修正得到目标有限元模型；基于不同的损伤工况将无损悬臂梁沿悬臂梁结构纵向划分多个损伤区域；其中，每个损伤区域对应一种损伤工况；基于目标有限元模型和损伤区域建立不同损伤工况下的损伤有限元模型；对不同损伤工况下的损伤有限元模型进行模态分析，得到多组不同损伤工况下的结构位移模态振型数据；将结构位移模态振型数据转换为模态曲率，并基于模态曲率进行灵敏度分析，得到悬臂梁的损伤敏感位置。
在一种实施方式中，上述损伤敏感位置确定模块进一步还用于：采用二阶差分算法将结构位移模态振型数据转换为模态曲率；计算不同损伤工况下同一损伤区域的模态曲率的方差值；将方差值最大的损伤区域确定为悬臂梁的损伤敏感位置。
在一种实施方式中，上述装置还包括模型训练模块，用于：对不同损伤工况下的损伤有限元模型进行随机振动仿真分析；提取每种损伤工况下损伤敏感位置的位移响应功率谱密度，并基于位移响应功率谱密度提取特征指标；将每种损伤工况下的特征指标作为输入样本，以及将每种损伤工况对应的损伤区域作为输出样本；基于输入样本和输出样本对深度神经网络模型进行训练，得到训练好的损伤识别模型。
在一种实施方式中，上述模型训练模块进一步还用于：基于输入样本和输出样本，采用交叉验证的方式对深度神经网络模型进行训练。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例还提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被处理器运行时执行如上实施方式的任一项所述的方法。
图6为本发明实施例提供的一种电子设备的结构示意图，该电子设备100包括：处理器60，存储器61，总线62和通信接口63，所述处理器60、通信接口63和存储器61通过总线62连接；处理器60用于执行存储器61中存储的可执行模块，例如计算机程序。
其中，存储器61可能包含高速随机存取存储器(RAM，Random Acc ess Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线62可以是ISA总线、LXI总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器61用于存储程序，所述处理器60在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中，或者由处理器60实现。
处理器60可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61，处理器60读取存储器61中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的可读存储介质的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见前述方法实施例，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于单点振动响应的悬臂梁在线损伤识别方法，其特征在于，包括：
获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；
基于所述时域位移响应信号确定所述损伤敏感位置处的位移响应功率谱密度；
基于所述位移响应功率谱密度提取特征指标，并将所述特征指标输入到预先训练好的损伤识别模型中，得到所述悬臂梁的损伤位置。
2.根据权利要求1所述的方法，其特征在于，基于所述时域位移响应信号确定所述损伤敏感位置处的位移响应功率谱密度，包括：
采用傅里叶变换将所述时域位移响应信号转换为频域位移响应信号；
基于所述频域位移响应信号计算得到所述损伤敏感位置处的位移响应功率谱密度。
3.根据权利要求1所述的方法，其特征在于，所述损伤敏感位置的确定过程包括：
建立无损悬臂梁的有限元模型，并对所述有限元模型进行修正得到目标有限元模型；
基于不同的损伤工况将所述无损悬臂梁沿悬臂梁结构纵向划分多个损伤区域；其中，每个所述损伤区域对应一种损伤工况；
基于所述目标有限元模型和所述损伤区域建立不同所述损伤工况下的损伤有限元模型；
对不同所述损伤工况下的所述损伤有限元模型进行模态分析，得到多组不同所述损伤工况下的结构位移模态振型数据；
将所述结构位移模态振型数据转换为模态曲率，并基于所述模态曲率进行灵敏度分析，得到悬臂梁的损伤敏感位置。
4.根据权利要求3所述的方法，其特征在于，将所述结构位移模态振型数据转换为模态曲率，并基于所述模态曲率进行灵敏度分析，得到悬臂梁的损伤敏感位置，包括：
采用二阶差分算法将所述结构位移模态振型数据转换为模态曲率；
计算不同所述损伤工况下同一所述损伤区域的模态曲率的方差值；
将所述方差值最大的所述损伤区域确定为悬臂梁的损伤敏感位置。
5.根据权利要求3所述的方法，其特征在于，所述损伤识别模型的训练过程包括：
对不同所述损伤工况下的损伤有限元模型进行随机振动仿真分析；
提取每种所述损伤工况下所述损伤敏感位置的位移响应功率谱密度，并基于所述位移响应功率谱密度提取特征指标；
将每种所述损伤工况下的特征指标作为输入样本，以及将每种所述损伤工况对应的损伤区域作为输出样本；
基于所述输入样本和所述输出样本对深度神经网络模型进行训练，得到训练好的损伤识别模型。
6.根据权利要求5所述的方法，其特征在于，基于所述输入样本和所述输出样本对深度神经网络模型进行训练，包括：
基于所述输入样本和所述输出样本，采用交叉验证的方式对深度神经网络模型进行训练。
7.一种基于单点振动响应的悬臂梁在线损伤识别装置，其特征在于，包括：
信号获取模块，用于获取预先确定的悬臂梁的损伤敏感位置处的时域位移响应信号；
功率谱密度确定模块，用于基于所述时域位移响应信号确定所述损伤敏感位置处的位移响应功率谱密度；
损伤识别模块，用于基于所述位移响应功率谱密度提取特征指标，并将所述特征指标输入到预先训练好的损伤识别模型中，得到所述悬臂梁的损伤位置。
8.根据权利要求7所述的装置，其特征在于，所述功率谱密度确定模块，还用于：
采用傅里叶变换将所述时域位移响应信号转换为频域位移响应信号；
基于所述频域位移响应信号计算得到所述损伤敏感位置处的位移响应功率谱密度。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至6任一项所述的方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至6任一项所述的方法的步骤。
CN202310705989.5A 2023-06-14 2023-06-14 基于单点振动响应的悬臂梁在线损伤识别方法 Pending CN116738288A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310705989.5A CN116738288A (zh) 2023-06-14 2023-06-14 基于单点振动响应的悬臂梁在线损伤识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310705989.5A CN116738288A (zh) 2023-06-14 2023-06-14 基于单点振动响应的悬臂梁在线损伤识别方法

Publications (1)

Publication Number Publication Date
CN116738288A true CN116738288A (zh) 2023-09-12

Family

ID=87907633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310705989.5A Pending CN116738288A (zh) 2023-06-14 2023-06-14 基于单点振动响应的悬臂梁在线损伤识别方法

Country Status (1)

Country Link
CN (1) CN116738288A (zh)

Similar Documents

Publication Publication Date Title
CN108593260B (zh) 光缆线路故障定位和检测方法及终端设备
US10331810B2 (en) Method for determining a model of an output quantity of a technical system
CN111382472A (zh) 随机森林融合svm预测盾构引起近接结构变形方法及装置
CN101930494A (zh) 基于模态分割和遗传算法的飞行器不定阶次参数模型辨识方法
CN116306798A (zh) 一种超短时风速预测方法及系统
CN111400852A (zh) 风电场湍流强度参数的确定方法及装置
CN117594164A (zh) 基于数字孪生的金属结构剩余疲劳寿命计算评估方法、系统
CN112560974A (zh) 一种信息融合、车辆信息获取方法及装置
CN116994641A (zh) 一种半导体老化测试方法及其系统
CN112215398A (zh) 电力用户负荷预测模型建立方法、装置、设备及存储介质
CN113110961B (zh) 设备异常检测方法、装置、计算机设备及可读存储介质
CN117536872B (zh) 一种罗茨风机状态监测系统与故障预测方法
CN106446384A (zh) 一种桥式起重机主梁结构的损伤识别方法
CN116738288A (zh) 基于单点振动响应的悬臂梁在线损伤识别方法
CN109670143B (zh) 一种环境激励下土木工程结构振动频域响应信号统计规律检测方法
CN110411721A (zh) 一种海洋立管损伤定位方法及系统
CN115839344A (zh) 一种用于渣浆泵的磨损监管方法、装置、设备及存储介质
CN115878986A (zh) 一种变工况轴承的退化趋势评估方法
CN114462127A (zh) 基于深度极限学习机的结构损伤识别方法及系统
CN115356400A (zh) 一种基于BiLSTM的超声波木材无损检测方法及系统
CN111859744B (zh) 基于监测数据的节点刚域识别方法、装置及设备
CN118229271B (zh) 用于核电安全级设备的寿命评估方法、装置、设备及介质
CN113742849B (zh) 类固液飞行器总体设计的变量灵敏度分析方法及装置
CN118551275B (zh) 一种变压器铜损预测方法及系统
CN116738759B (zh) 装备的设计运维方法、装置、计算机设备及可读存储介质

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