【技术实现步骤摘要】
本专利技术涉及结构健康监测领域，具体涉及一种基于多重分形与无监督聚类的拉伸损伤在线表征方法。
技术介绍
1、在外加载荷和其他因素作用下，由于疲劳损伤而不断增长的裂纹缺陷可能会导致整体结构的损坏，甚至引发整个系统的坍塌崩溃。事实上，很多关键部件的裂纹损伤及演化情况具有不易察觉、破坏载荷低、破坏迅速等特征，是无法通过直接观察得到的。当服役状态已知时，从离线力学测试中获得的离线的应力-应变曲线只能为失效机制提供非常有限的信息；当服役状态未知时，缺乏一种测量方法来实时监测、评估和量化材料的损伤程度。如何实时精确监测核动力系统服役过程中潜在的裂纹损伤及演化已成为学术研究和工业应用的焦点问题。因此，开发新的裂纹损伤识别方法以获取损伤裂纹模式及演化机制，对于结构健康监测而言至关重要。
2、不同于其他常规无损检测技术，声发射技术是在加载状态下，基于高灵敏度传感器接收材料内部裂纹产生和扩展所发出的弹性应力波，实现对裂纹缺陷生长和扩展情况的监测。声发射技术对轻微损伤具有更高的敏感性，目前已成功应用于结构监测领域中的裂纹识别和裂纹扩展行为表征。在金属中，这种波的产生或传播会受到塑性变形过程中发生的位错运动以及材料结构中裂纹的萌生和扩展的强烈影响。在拉伸过程中此类影响更为显著。尽管目前使用声发射进行裂纹损伤表征的研究和成果相对丰富，但在基于声发射技术进行裂纹损伤演化识别的相关研究中，仍然存在以下几个突出的问题尚未解决。
3、在声发射特征提取方面，大多数ae特征参数是从采集的波形数据中提取出来的，这些特征参数的取值取决于预设的采集
4、在分形表征方面，不同的损伤阶段在分形域中从一个点到另一个点累积了显著不同的分形特征。在这种情况下，使用单个分形维数进行表征是远远不够的，需要整个连续的分形维数谱来表征裂纹的分形特性。同时，分形维数的局部变化需要通过多重分形测度来进一步量化，以表征裂纹损伤演化过程分形行为的空间变化。
5、在裂纹损伤阶段识别方面。在特殊条件和极端环境下，收集带有相应标签信息的大量声发射信号往往需要较高的成本，并且工程结构破坏时的标签信息通常难以直接得知。此外，大多数聚类识别算法例如k-means算法仍然依赖于先验提供的集群数量，需要预先定义簇的数量，并且在划分为任意形状的簇时存在困难，无法有效管理和确定高维数据集的最佳聚类数量。尽管以dbscan算法为代表的基于密度的聚类算法可以有效地发现任意大小、形状和数量的集群，但是该算法有两个输入参数minpts和eps。这两个参数均依赖于数据集的数据分布，选择确定不当时可能会为算法的运行带来负面影响。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术的目的在于提供一种基于多重分形与无监督聚类的拉伸损伤在线表征方法。针对裂纹损伤及演化过程不易察觉、破坏载荷低等特征致使实时监测困难以及传统的时频域分析尚且不能反映裂纹损伤演化的宏观机制等难题，根据获得的拉伸过程载荷时间历程曲线和材料损伤声发射监测信号，基于多重分形算法提取裂纹拉伸各阶段的损伤特征，通过量化多重分形谱f(α)、谱宽δα、谱高δf等多重分形特征的局部变化来表征裂纹损伤的不同阶段，采用dbscan方法基于多重分形特征进行无监督聚类，并且利用聚类轮廓系数对聚类效果进行评估，最终使训练出来的模型具备对未知数据进行在线模式识别的能力。
2、为达到上述目的，本专利技术采用的技术方案是，一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，包括以下步骤：
3、步骤1)、根据拉伸获得完整的力学性能曲线和声发射监测信号，并对不同损伤阶段的声发射监测信号进行划分；
4、步骤2)、基于步骤1)划分获得的信号，对不同损伤阶段的声发射监测信号进行多重分形表征；
5、步骤3)、以步骤2)获取的多重分形特征进行无监督聚类，获得裂纹损伤识别的初始模式；
6、步骤4)、采用帕累托优化算法对无监督聚类算法中的参数进行多目标优化，进一步地对步骤3)中的聚类模式进行优化；
7、步骤5)、基于轮廓系数对步骤4)中的优化模式进行有效性评估；
8、步骤6)、基于步骤5)的评估结果得到最终的裂纹损伤阶段识别最优模式；
9、进一步的，所述步骤1)中得到的拉伸力学性能曲线和声发射监测信号依据拉伸实验参数和声发射采样频率及参数进行设定，并设定样本的长度，从拉伸标准件的拉伸全过程获得监测数据。
10、进一步的，所述步骤2)中的多重分形表征，包括以下步骤：
11、(1)用于覆盖实验测度的盒子的尺寸为l，不同的尺寸可以用来研究不同尺度下的结构特征和分形性质，进而用来计算测度在每个盒子中的概率；
12、(2)根据奇异谱对应于奇异强度分布，进而用来描述测度的统计特性和概率分布。
13、定义的测度值为ti段的奇异测度(概率)，其公式为：
14、
15、其中，ti是某测度被等分成n等份的时间序列中第i份(盒)，本文以dbscan无监督模式识别得到的每阶段损伤声发射信号幅值的平均值作为该段测度值。指数qi称为奇异强度，反映的是分形体内各小区间的奇异性程度。若奇异强度值在q和q+δq之间的pi(l)有n(q)个小区间，则根据关系判定。f(q)就是具有奇异强度为q的一系列区间段(子集)的分形维数(hausdorff维数)。
16、建构在盒中概率重整化测度的单参量簇可表示为：
17、
18、其中l定义为n-1。
19、在一般维数dq的定义中，参量q提供了对奇异测度不同区域的微观探测。对q＞1，μi(q)表示测度pi的强奇异性区域；对q＜1，μi(q)强调测度的弱奇异性区域；而对于q＝1，μ(1)则复制原来的测度。μ(q)理论测度下的hausdorff维数f(q)为：
20、
21、奇异强度均值α(q)为：
22、
23、其中α为奇异指数，主要反映{pi(n)}的奇异性，并显示了概率子集的不均匀程度；f(α)为α子集的分形维数，表示在整个拉伸加载过程中具有α奇异性的声发射信号子集的频率。
24、进一步的，所述步骤3)中的无监督聚类是指基于密度的含噪空间聚类方法，即dbscan算法。从数据集中随机选择一个对象，并检查所选对象的邻域是否包含最小样本个数的对象。如果满足此条件，则创建一个新集群，并将所有识别的对象添加到新集群中。然后，集群内的所有对象也会根据这两个参数以相同的方式进行检查，以便尽可能将之前未检查的其他对象添加到集群中。上述过程一直持续到给定数据集中的所有对象都被访问为止。
25、进一本文档来自技高网...
【技术保护点】
1.一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，所述步骤1)中得到的拉伸力学性能曲线和声发射监测信号依据拉伸实验参数和声发射采样频率及参数进行设定，并设定样本的长度，从拉伸标准件的拉伸全过程获得监测数据。
3.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，所述步骤2)中的多重分形表征，包括以下步骤：
4.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，所述步骤3)中的无监督聚类是指基于密度的含噪空间聚类方法，即DBSCAN算法。
5.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，步骤4)中的多目标优化算法为帕累托优化算法，其计算公式为：
6.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，步骤5)中的轮廓系数是有效性评估聚类效果的指标，取值范围为[-1,
7.根据权利要求3所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，定义的测度为Ti段的奇异测度，其公式为：
8.根据权利要求4所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，DBSCAN算法从数据集中随机选择一个对象，并检查所选对象的Eps邻域是否包含最小样本个数MinPts的对象，如果满足此条件，则创建一个新集群，并将所有识别的对象添加到新集群中，然后，集群内的所有对象也会根据这两个参数以相同的方式进行检查，以便尽可能将之前未检查的其他对象添加到集群中，上述过程一直持续到给定数据集中的所有对象都被访问为止。
9.根据权利要求7所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，L定义为N-1。
10.根据权利要求7所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于,对奇异强度q＞1，μi(q)表示测度Pi的强奇异性区域；对q＜1，μi(q)强调测度的弱奇异性区域；而对于q＝1，μ(1)则复制原来的测度,μ(q)理论测度下的Hausdorff维数f(q)为：
...【技术特征摘要】
1.一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，所述步骤1)中得到的拉伸力学性能曲线和声发射监测信号依据拉伸实验参数和声发射采样频率及参数进行设定，并设定样本的长度，从拉伸标准件的拉伸全过程获得监测数据。
3.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，所述步骤2)中的多重分形表征，包括以下步骤：
4.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，所述步骤3)中的无监督聚类是指基于密度的含噪空间聚类方法，即dbscan算法。
5.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，步骤4)中的多目标优化算法为帕累托优化算法，其计算公式为：
6.根据权利要求1所述的一种基于多重分形与无监督聚类的拉伸损伤在线表征方法，其特征在于，步骤5)中的轮廓系数是有效性评估聚类效果的指标，取值范围为[-1,1]，越接近于1表示内聚度和分离度都比较...
【专利技术属性】
技术研发人员：张志芬，黄婧，邢继，成玮，堵树宏，陈雪峰，苗壮，温广瑞，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。