论文部分内容阅读
机电阻抗法(EMI)因其对结构出现的早期局部损伤非常敏感而在土木和航空航天领域得到了广泛的应用。由于EMI信号数据量巨大,且容易被噪声污染,健康监测系统在信号处理时会遇到传输和储存的困难。本文提出将压缩传感(Compressive Sensing)应用于EMI信号的压缩,以实现EMI信号的高效传输和储存。为了应用压缩传感,把高斯随机矩阵作为观测矩阵,用匹配追踪算法估计了EMI信号的稀疏度,同时满足了压缩传感所要求的信号的稀疏性和观测矩阵的不相干性。以一维损伤杆的EMI分析为例,以均方差作为损伤指标,讨论了压缩传感的压缩效果和抗噪声能力。结果表明,使用压缩传感之后,传输带宽和储存空间大大减少；当信噪比大于某一限值时,观测值能稳定地重构出原始信号。从数学上建立了EMI信号压缩传感理论,将EMI健康监测和压缩传感理论结合了起来。估计稀疏度时,用离散余弦变换代替匹配追踪法,使时间得到了优化。随机观测时,鉴于当前研究中观测次数与稀疏度的关系式比较模糊,根据压缩采样匹配追踪算法确定了特定稀疏度下满足限制性等距条件所需要的观测次数,并给出了经验公式,使压缩得到了量化。对一个一维Euler-Bounerlli梁EMI模型进行了分析,少量的观测值几乎包含了全部的损伤信息。联立数值模型中的各不同损伤程度的EMI信号,对其进行高斯随机观测,然后提取主成分作为BP神经网络的输入端向量,经一定训练之后成功识别了结构的损伤。使用压缩传感之后,信号的处理时间和储存空间都得到减少。对单传感器和多传感器的情况分别进行试验研究,采集EMI信号后估计其稀疏度,按经验公式求得需要的观测次数,观测的同时使信号得到压缩。结果表明,试验中实际的EMI信号也可以得到有效压缩。论文得到国家高技术研究发展计划(863计划)(2012AA050903),国家自然科学基金(51178413、51008272和50838008)和国家重点基础研究发展计划(973计划)(2009CB623200)的资助。