1.一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,包括:将未知样本输入SVM损伤方位判定模型中,输出该未知样本的损伤方位;
将未知样本输入SVM损伤程度跟踪判定模型中,输出该未知样本的损伤程度。
2.根据权利要求1所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,
建立SVM损伤方位判定模型,包括:将稀疏压电传感阵列周边范围划分为L个区域,L为正整数;
基于支持向量机建立SVM损伤方位判定初始模型;
将训练集中包括多位置信号对比的特征值信息的训练样本输入SVM损伤方位判定初始模型中进行训练,获得SVM损伤方位判定模型:式中,训练集中共计有N个训练样本(x1,y1),...,(xN,yN),i∈{1,2,…N},j∈[1,L],k∈jk
[2,上],w 为区分属于第j个区域的训练样本和属于第k个区域的训练样本的支持向量机的jk
权重向量;b 为支持向量机的偏值; 为属于第j个区域的训练样本和属于第k个区域的训练样本的SVM松弛变量;φ(xi)表示将xi映射到高维空间,上边界c>0;
通过决策函数评估训练样本是属于第j个区域的样本还是属于第k个区域;
决策函数为:
jk jk
fjk(x)=sgn(w ·φ(xi)+b ),式中,
将测试集中样本和训练集中训练样本打乱分为若干组,并输入SVM损伤方位判定模型中进行交叉验证,若SVM损伤方位判定模型预测的区域和实际所属区域相同则表示训练结果正确,否则表示训练结果错误;
计算SVM损伤方位判定模型预测的区域的正确率,若正确率高于设定的阈值,则表示训练合格,否则重复上述步骤重新训练SVM损伤方位判定模型。
3.根据权利要求1所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,
建立SVM损伤程度跟踪判定模型,包括:建立SVM损伤程度跟踪判定初始模型;
将损伤程度按照严重程度划分为A个范围;
将训练集中包括时域特征值、频域特征值和时频域特征值信息的训练样本输入SVM损伤程度跟踪判定初始模型中进行训练,获得SVM损伤程度跟踪判定模型:式中,训练集中共计有N个训练样本(x1,y1),...,(xN,yN),i∈{1,2,…N},j∈[1,A],k∈jk
[2,A],w 为区分属于第j个区域的训练样本和属于第k个区域的训练样本的支持向量机的jk
权重向量;b 为支持向量机的偏值; 为属于第j个区域的训练样本和属于第k个区域的训练样本的SVM松弛变量;φ(xi)表示将xi映射到高维空间,上边界c>0;
通过决策函数评估输入的训练样本是属于第j个区域的样本还是属于第k个区域;
决策函数为:
jk jk
fjk(x)=sgn(w ·φ(xi)+b ),式中,
4.根据权利要求3所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,将测试集中样本和训练集中训练样本打乱分为若干组,并输入SVM损伤程度跟踪判定模型中进行交叉验证,若SVM损伤程度跟踪判定模型预测的损伤程度和实际的损伤程度相同则表示训练结果正确,否则表示训练结果错误;
计算SVM损伤程度跟踪判定模型预测的损伤程度的正确率,若正确率高于设定的阈值,则表示训练合格,否则重复上述步骤重新训练SVM损伤程度跟踪判定模型。
5.根据权利要求2或3所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,
包括若干个三角稀疏压电传感阵列,若干个三角稀疏压电传感阵列阵列分布;
三角稀疏压电传感阵列为三个呈三角形分布的压电片,每个压电片对应一个路径;
将每个三角稀疏压电传感阵列周边范围划分为6个区域,用于确定损伤方位和损伤程度。
6.根据权利要求5所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,
建立SVM损伤方位判定模型,具体包括:基于支持向量机分类算法建立SVM损伤方位判定初始模型;
将稀疏压电传感阵列周边范围划分为6个区域;
将训练集中包括多位置信号对比的5种特征值信息的训练样本输入SVM损伤方位判定初始模型中进行训练,基于多位置信号对比的5种特征值、3个路径和6个区域的损伤方位建立15个输入和6个输出的SVM分类模型。
7.根据权利要求5所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,
建立SVM损伤程度跟踪判定模型,包括:损伤程度有3种不同损伤程度,包括微小损伤、中度损伤和重度损伤;
每个训练样本的每个路径中均从时域特征值、频域特征值、时频域特征值和多位置信号对比的特征值中选取37种特征值;
基于PCA降维得到贡献率排名前p的特征值和3种不同损伤程度,建立p个输入和3个输出的SVM损伤程度跟踪判定初始模型。
8.根据权利要求7所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,时域特征值包括信号包络面积、信号相关性、信号差异系数、均方根、方差、偏斜度、峰值因子、峰度系数、峰峰值、K因子、最大幅值、脉冲因子、裕度因子、波形因子和分形维数,频域特征值包括重心频率、频率方差和均方频率,时频域特征值包括小波能量比、小波能量熵、小波特征尺度熵、小波奇异谱熵和IMF1的振幅均值,多位置信号对比的特征值包括到达时间差值、信号突变时间、信号差异性、散射信号大小和散射波包面积。
9.根据权利要求8所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,基于PCA降维得到贡献率排名前p的特征值,包括:主成分贡献率Ai,累计贡献率C(m)计算公式为:式中,p为选定的特征值的个数,m为总的特征值的个数,λi为随机向量协方差矩阵的特征值;当选定的特征值的累计贡献率大于80%时,按照贡献率由高到低选取前p个特征值输入SVM损伤程度跟踪判定初始模型中。
10.根据权利要求5所述的一种基于稀疏阵列大尺度结构损伤监测与评估方法,其特征在于,
获取训练集和测试集,包括:
依次选取每个压电片为激励点并激发信号,由其他两个压电片分别接收结构件的响应信号;
多次采集大尺度板状结构上不同方位的损伤情况和不同方位上损伤程度,获得响应信号;
根据信号的时域、频域和小波时频分析对响应信号进行处理分析,得到时域特征值、频域特征值、时频域特征值和多位置信号对比的特征值,并存储在损伤信息数据库中;
从损伤信息数据库中选取多个数据,得到训练集和测试集。