一种基于卷积神经网络的冲击定位及能量检测方法、系统技术方案

本发明专利技术涉及结构健康监测技术领域，特别涉及一种基于卷积神经网络的冲击定位及能量检测方法、系统，所述冲击定位及能量检测方法采用卷积神经网络模型进行粗定位冲击区域，并在其基础上通过基于DTW的质心加权算法精确定位冲击区域内的具体冲击位置；同时还通过冲击响应信号的能量来表征冲击能量大小。本方法定位准确、冲击反演效率高且操作简单，不仅能够避免了结构复杂性对定位精度的影响，还能实现冲击能量估计误差的有效控制。在降低维护成本的同时，还有效提高了定位及检测的效率。还有效提高了定位及检测的效率。还有效提高了定位及检测的效率。

【技术实现步骤摘要】
一种基于卷积神经网络的冲击定位及能量检测方法、系统


[0001]本专利技术涉及结构健康监测
，特别涉及一种基于卷积神经网络的冲击定位及能量检测方法、系统。

技术介绍

[0002]复合材料具有比强度高、比模量大，结构可设计等优点，在结构轻量化制造、结构运行维护经济性、结构设计先进性等方面具有明显优势。因此被广泛用于航空航天领域。但复合材料结构在制造、服役和维护过程中不可避免会受到冲击而使得复合材料内部形成各种几乎不可见的损伤，导致结构的承载性能发生退化，严重威胁航空航天装备的在役安全。因此，对复合材料结构进行在线冲击监测以保障设备安全性是亟需解决的工程难题。
[0003]目前用于冲击损伤检测的常规无损检测技术有超声扫描，涡流，热成像等。这些方法通常需要对结构进行逐点、逐区域扫描测量，对于大型结构来说时间成本和经济成本高，且仅能离线监测，难以满足机载在线监测需求。而现有针对于复杂复合材料结构的冲击定位方法一般采用基于应力波传播速度的定位方法，涉及应力波的时域特征提取和不同传播方向的速度补偿，其具有较大工作量，且精度受到结构影响大的问题。而采用基于系统模型的方法又涉及到通过冲击响应求解传递函数、构建系统模型等过程，其存在需要进行大量的数学计算和参数调整来使模型收敛，效率低下的问题。
[0004]此外，冲击能量作为表征复合材料结构冲击损伤的另一个特征参数，冲击能量的检测对于复合材料结构状态评估至关重要。现有技术通常采用建立响应模型反演冲击载荷的时间历史来估计冲击能量大小，但这对于筋肋密集的结构而言，其系统辨识模型相当复杂。
[0005]因此，基于现有技术的短板及工程应用的需求，亟需一种冲击定位及能量检测的方法更为精确、简单、有效地对复合材料结构的冲击损伤进行在线监测。

技术实现思路

[0006]为解决上述现有技术中对于复合材料结构的冲击定位及能量检测方法定位不准确、冲击反演效率低、操作复杂的不足，本专利技术提供一种基于卷积神经网络的冲击定位及能量检测方法，包括以下步骤：
[0007]区域处理步骤，在待检测复合材料结构上布设m个用于接收外部冲击信号的传感器，并将所述待检测复合材料结构的表面划分成至少M个区域。
[0008]样本获取步骤，分别对每一所述区域的若干训练点、标记点进行冲击试验，以获取包含有冲击信号的第一样本数据库和第二样本数据库；以及通过固定能量E0冲击复合材料结构表面，并根据若干传感器接收的冲击信号获取在固定能量E0冲击下的表征值E
s
。
[0009]模型训练步骤，构建输入为(l，m)、输出为(M,1)的1D
‑
CNN神经网络，其中l为每个传感器的信号长度；将第一样本数据库划分为训练集和测试集，并输入至1D
‑
CNN神经网络中进行训练和验证，以得到冲击事件监测模型。
[0010]粗定位步骤，若某一冲击事件发生时，若干所述传感器将接收到冲击信号S
impact
；将冲击信号S
impact
输入至冲击事件监测模型中，再根据输出结果确定该冲击事件发生的冲击区域，以完成粗定位。
[0011]精定位步骤，基于粗定位确定的冲击区域，根据DTW算法计算冲击信号S
impact
与第二样本数据库中冲击区域内的所有标记点的DTW距离L
i
；将所得的L
i
作为加权质心定位算法的权重因子计算冲击区域内的冲击位置坐标(x，y)，以完成精定位。
[0012]能量检测步骤，根据所有区域内的传感器接收的冲击信号S
impact
获得能量表征值E
s
′
，根据下述公式计算获得该次冲击的能量E
est
：
[0013][0014]在一实施例中，在区域处理步骤中，还包括对每个所述区域进行区域编号，以获得信号标签；在样本获取步骤中，将每个区域内的冲击信号分别映射成对应的信号标签进行存储。
[0015]在一实施例中，在样本获取步骤中，第一样本数据库的样本获取步骤为：对每个所述区域内选择N(N≥1)个训练点分别进行冲击试验以获得相应的冲击信号，再将每个所述区域中每个所述标记上的冲击信号分别映射成对应的信号标签存储至第一样本数据库中；
[0016]第二样本数据库的样本获取步骤为：在每个所述区域内选择B个标记点分别进行冲击试验以获得相应的冲击信号，再将每个所述区域的每个所述标记点的冲击试验所获得的冲击信号作为样本进行存储。
[0017]在一实施例中，在模型训练步骤中，将第一样本数据库中的样本按照7∶3的比例划分为训练集和测试集。
[0018]在一实施例中，在精定位步骤中，将所得的L
i
作为加权质心定位算法的权重因子计算冲击区域内的冲击位置坐标(x，y)具体包括如下公式：
[0019][0020][0021]其中，W
i
表示冲击区域内所有标记点的加权系数；x
i
，y
i
分别表示冲击区域内所有标记点的坐标位置；x、y即为该次冲击事件的冲击位置坐标。
[0022]在一实施例中，样本获取步骤中，具体通过以下公式获取在固定能量E0冲击下的表征值E
s
：
[0023][0024][0025]其中，f(t)为通过传感器获得的冲击信号表达式，E为对应冲击信号的能量值；n为待检测复合材料结构上布设的传感器个数，E
i
为第i个传感器对应冲击响应信号的能量值；
[0026]在能量检测步骤中，具体通过以下公式获取在冲击事件发生时的能量表征值E
s
′
：
[0027][0028]其中，E
i
′
为冲击事件发生时第i个传感器对应冲击响应信号的能量值。
[0029]在一实施例中，还包括能量修正系数获取步骤，在进行固定能量E0冲击复合材料结构表面的试验后，选取其中一个区域作为参考区域，获取所述参考区域的能量表征值E
R
，计算每个区域相对于所述参考区域的能量修正系数R
i
，其公式如下：
[0030][0031][0032]其中，n
′
为参考区域内的传感器个数，E
i
′
为参考区域内第i
′
个传感器对应冲击响应信号的能量值。
[0033]在一实施例中，还包括能量修正步骤，基于粗定位确定的冲击区域，根据能量修正系数R
i
获取所述冲击区域相对于参考区域的能量修正系数R，并通过以下公式获取修正后的冲击能量值E
impact
：
[0034]E
impact
＝E
est
·
R。
[0035]本专利技术还提供一种基于卷积神经网络的冲击定位及能量检测系统，包括区域处理模块，用于在待检测复合材料结构上布设若干用于接收外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的冲击定位及能量检测方法，其特征在于，包括以下步骤：区域处理步骤，在待检测复合材料结构上布设m个用于接收外部冲击信号的传感器，并将所述待检测复合材料结构的表面划分成至少M个区域；样本获取步骤，分别对每一所述区域的若干训练点、标记点进行冲击试验，以获取包含有冲击信号的第一样本数据库和第二样本数据库；以及通过固定能量E0冲击复合材料结构表面，并根据若干传感器接收的冲击信号获取在固定能量E0冲击下的表征值E
s
；模型训练步骤，构建输入为(l，m)、输出为(M,1)的1D
‑
CNN神经网络，其中l为每个传感器的信号长度；将第一样本数据库划分为训练集和测试集，并输入至1D
‑
CNN神经网络中进行训练和验证，以得到冲击事件监测模型；粗定位步骤，若某一冲击事件发生时，若干所述传感器将接收到冲击信号S
impact
；将冲击信号S
impact
输入至冲击事件监测模型中，再根据输出结果确定该冲击事件发生的冲击区域，以完成粗定位；精定位步骤，基于粗定位确定的冲击区域，根据DTW算法计算冲击信号S
impact
与第二样本数据库中冲击区域内的所有标记点的DTW距离L
i
；将所得的L
i
作为加权质心定位算法的权重因子计算冲击区域内的冲击位置坐标(x,y)，以完成精定位；能量检测步骤，根据所有区域内的传感器接收的冲击信号S
impact
获得能量表征值E
s
′
，根据下述公式计算获得该次冲击的能量E
est
：2.根据权利要求1所述的基于卷积神经网络的冲击定位及能量检测方法，其特征在于：在区域处理步骤中，还包括对每个所述区域进行区域编号，以获得信号标签；在样本获取步骤中，将每个区域内的冲击信号分别映射成对应的信号标签进行存储。3.根据权利要求2所述的基于卷积神经网络的冲击定位及能量检测方法，其特征在于，在样本获取步骤中，第一样本数据库的样本获取步骤为：对每个所述区域内选择N(N≥1)个训练点分别进行冲击试验以获得相应的冲击信号，再将每个所述区域中每个所述训练点上的冲击信号分别映射成对应的信号标签存储至第一样本数据库中；第二样本数据库的样本获取步骤为：在每个所述区域内选择B个标记点分别进行冲击试验以获得相应的冲击信号，再将每个所述区域的每个所述标记点的冲击试验所获得的冲击信号作为样本进行存储。4.根据权利要求1所述的基于卷积神经网络的冲击定位及能量检测方法，其特征在于：在模型训练步骤中，将第一样本数据库中的样本按照7:3的比例划分为训练集和测试集。5.根据权利要求1所述的基于卷积神经网络的冲击定位及能量检测方法，其特征在于，在精定位步骤中，将所得的L
i
作为加权质心定位算法的权重因子计算冲击区域内的冲击位置坐标(x,y)具体包括如下公式：置坐标(x,y)具体包括如下公式：其中，W
i
表示冲击区域内所有标记点的加权系数；x
i
,y
i
分别表示冲击区域内所有标记
点的坐标位置；x、y即为该次冲击事件的冲击位置坐标。6.根据权利要求1所述的基于卷积神经网络的冲击定位及能量检测方法，其特征在于，样本获取步骤中，具体通过以下公式获取在固定能量E0冲击下的表征值E
s
：：其中，f(t)为通过传感器获得的冲击信号表达式，E为对应冲击信号的能量值；n为待检测复合材料结构上布设的传感器个数，E
i
为第i个传感器对应冲击响应信号的能量值；在能量检测步骤中，具体通过以下公式获取在冲击事件发生时的能量表征...

【专利技术属性】
技术研发人员：王奕首，王明华，吴迪，卿新林，孙虎，
申请(专利权)人：厦门大学，
类型：发明
国别省市：