基于压缩感知的EMI信号与神经网络的结构损伤识别研究
针对当前结构健康监测系统中信号数据量过大、所占内存过高所导致的难以传输和储存的问题,提出将压缩感知方法运用于神经网络系统与压电阻抗(Electro-mechanical impedance,简称EMI)技术进行结构的损伤识别.以压缩后的EMI数据代替原始数据来表征原始损伤信号,用离散余弦变换分析了EMI信号的稀疏度,并以高斯随机矩阵作为观测矩阵,满足了压缩感知理论的限制性等距条件.以齿轮结构为例,采用有限元技术构建了EMI模型,得到了不同裂纹深度下的电导(电阻抗的倒数)信号.采用压缩感知方法先对电导信号进行压缩,再进行主成分分析,以降低BP神经网络输入参数的维度.结果表明:使用压缩感知技术之后,数据传输带宽和储存空间只需为原来的44%;将压缩后的电导数据的主成分作为神经网络的输入参数,该系统能够检测到结构裂纹的存在,并能对裂纹的损伤程度进行有效的定量归类.
压缩感知、压电阻抗(EMI)、BP神经网络、损伤识别
35
TH132.417;TU317
国家自然科学基金重点项目10932004、浙江省自然科学基金项目LY12E08005、宁波大学重中之重学科项目zj1216资助
2015-06-02(万方平台首次上网日期,不代表论文的发表时间)
173-179