1、 基于导波的结构健康监测张凯旋,马帅旗(陕西理工大学电气工程学院,陕西 汉中7 2 3 0 0 0)摘 要:基于压电导波的监测方法是结构健康监测的优良技术,在各类机械构件的损伤识别中应用广泛。目前,在导波监测中应用数据挖掘技术已成为国内外的研究热点。通过对近年来相关文献的查阅分析,综述了机器学习方法在基于导波监测缺陷识别中的应用,并对其应用方法进行汇总,为机器学习方法在导波监测领域应用提供参考和依据。关键词:机器学习;超声导波监测;缺陷识别;模式识别中图分类号:T P 2 9 D O I:1 0.1 9 7 6 8/j.c n k i.d g j s.2 0 2 3.0 2.0 1 2S t
2、r u c t u r a lH e a l t hM o n i t o r i n gB a s e do nG u i d e dW a v eZ HAN GK a i x u a n,MAS h u a i q i(S c h o o l o fE l e c t r i c a lE n g i n e e r i n g,S h a a n x iU n i v e r s i t yo fT e c h n o l o g y,H a n z h o n g7 2 3 0 0 0,C h i n a)A b s t r a c t:T h em o n i t o r i n g
3、m e t h o db a s e do np i e z o e l e c t r i cg u i d e dw a v e i s a ne x c e l l e n t t e c h n i q u e f o r s t r u c t u r a l h e a l t hm o n i-t o r i n ga n d i sw i d e l yu s e d i nd a m a g e i d e n t i f i c a t i o no f v a r i o u sm e c h a n i c a l c o m p o n e n t s.T h ea
4、p p l i c a t i o no fd a t am i n i n gt e c h-n o l o g y i ng u i d e dw a v ed e t e c t i o nh a sb e c o m eah o t r e s e a r c h i s s u ea th o m ea n da b r o a d.T h r o u g ht h e r e v i e wa n da n a l y s i so fr e l e v a n t l i t e r a t u r e i nr e c e n ty e a r s,t h ea p p l i
5、 c a t i o no fm a c h i n el e a r n i n gm e t h o d si nd e f e c t i d e n t i f i c a t i o nb a s e do ng u i d e dw a v ed e t e c t i o n i s r e v i e w e d.T h ea p p l i c a t i o nm e t h o d sa r es u mm a r i z e dt op r o v i d er e f e r e n c ea n db a s i s f o r t h ea p p l i c a
6、 t i o no fm a c h i n e l e a r n i n gm e t h o d s i nt h e f i e l do fg u i d e dw a v ed e t e c t i o n.K e yw o r d s:m a c h i n e l e a r n i n g;u l t r a s o n i cg u i d e dw a v ed e t e c t i o n;d e f e c t i d e n t i f i c a t i o n;p a t t e r nr e c o g n i t i o n收稿日期:2 0 2 2-0
7、6-0 9作者简介:张凯旋(1 9 9 6-),硕士研究生,研究方向为结构健康监测、机器学习;马帅旗(1 9 7 7-),硕士,副教授,研究方向为电力电子与电气传动。0引言在超声导波监测实验中,可进行正向问题求解或逆向问题求解。了解待监测物体中导波的传播特性,由导波频散曲线确定合适的频率,激励合适的导波,观察采集到的导波信号是否有其他模态导波出现,从而判断出被测物体是否存在损伤,此类过程属于正向问题的求解。逆向问题求解不需计算导波的频散曲线,从被监测物体导波信号在时域和频域上的特征推出被测物体的实际状况,得出监测结果。由于某些被监测物体结构复杂,目前超声导波传播特性计算复杂,因此通过逆向问题求
8、解可降低监测研究难度。本文结合机器学习模型来揭示这种内在关联性,通过不同的算法或策略去学习信号特征之间的相关关系,构建结构缺陷损伤与信号特征之间的分类或回归模型,达到损伤判定的目的。1基于导波的结构健康监测研究发展机械构件的机械结构及其可靠性在运行时和环境影响下会不断恶化。结构退化过程可能以不同的形式发生,如腐蚀、疲劳裂纹、强度降低等。这些结构损伤的严重程度取决于施加的静/动态载荷、操作条件和材料自身性能。过去,机械结构的检查和维护主要按照预防性方法进行;近年 来,结 构 健 康 监 测(S t r u c t u r a lH e a l t h M o n i t o r i n g,S
9、HM)技术在健康评估以及退 化 结 构 的 剩 余 使 用 寿 命(R e m a i n i n gU s e f u lL i f e,RU L)的视情维修(C o n d i t i o n-B a s e dM a i n t e n a n c e,C BM)中得到了广泛应用。S HM方法涉及从安装在结构上的各种传感器中收集数据,并解释研究结果,以便在不同操作条件下为结构做出可靠、经济、高效的C BM决策。许多健康评估技术,如体波超声波、X射线、红外热成像、涡流方法,被有效地应用于结构的无损评估(N o n-d e s t r u c t i v ee v a l u a t i o
10、 n,N D E)中,使得S HM技术在退化结构的健康评估、剩余使用寿命预测和结构的视情维修方面的应用得到了增强。在长久以来在工程应用中,监测结构的性能、损伤过程以及预测老化结构的剩余使用寿命都具有很大的现实意义和重要性。从最初的无损监测与评价发展出S HM这一分支,其研究旨在进行实时的损伤监测,在损坏发生时发出警报并预测其剩余的使用寿命,从而保证结构安全并减少维修成本和时间。S HM本质上是一个跨学科研究领域,应用于航空航天、民用、军用机械结构。其基本概念是记录结构对诊断或环境输入的响应,处理和分析响应,以提取缺陷产生的特征,通过物理模型或数据驱动的统计和机器学习技术将04电工技术 人工智能
11、与传感技术 特征转换为缺陷属性,可以预见损伤后的进展,从而预测结构的剩余寿命。典型的S HM系统由用于驱动和传感的传感器组成。执行器通常连接信号发生器,用于生成诊断输入,而传感器则连接数据采集系统。在某些情况下,不使用执行器,环境激励取代诊断输入。预测和估计损失由一个中央数据处理单元来完成。因此,一个有效的S HM系统需要采用合适的传感器、信号处理去噪、补偿环境因素和提取损伤特征等环节。通过仿真和建模能清晰了解结构的损伤,但建模还需了解传感器与结构的相互作用和传感器的最佳布置位置,调整判断损伤的参数。最后,对基于测量数据的损伤识别逆问题,需要一种方式来将损伤特征与损伤属性关联起来。这种方式可以
12、来自结构的物理模型,也可以来自数据驱动的统计方法或机器学习方法。在过去2 0年中,许多健康评估技术,如体波超声波、X射线、红外热成像、涡流被有效地用于结构的无损评估。在实现S HM系统中,基于振动技术的研究就是一个普遍的研究方向,另一个研究方向是基于导波(G u i d e dW a v e,GW)的S HM技术。基于导波的方案有以下优点:所需的传感器价格便宜,易于安装在结构中,且重量较轻;具有用少量传感器扫描大面积区域的能力;与低频振动技术不同,导波涉及高频激励,可以监测微小损伤;低频环境振动(如有)不会干扰导波,由于导波的短暂性,结构阻尼的影响不是很明显。S HM技术以对表面、内部缺陷高度
13、敏感,延伸范围长,在难以接近区域发现缺陷的突出特点而成为结构健康评估的一种成本效益高且更可取的选择。传统超声波监测系统仅在诊断探头附近提供缺陷诊断,而导波(尤其是兰姆波)凭借其独特的低频率和局限于结构表面的趋势,能够在更大的距离内识别缺陷,有可能使用一个或多个传感器检查各种类型的结构缺陷,如凿痕、深腐蚀点、裂纹和缺口。导波已被用于监测、定位管道和各种金属/非金属表面的缺陷和绝缘下腐蚀。因此,超声导波监测(G u i d e dW a v e sU l t r a s o n i cT e s t i n g,GWUT)可为无损评估和结构健康监测的传统方法提供一种智能替代解决方案。在国外对超声导
14、波监测技术进行研究的过程中,早在2 0 0 2年,南非地区的L o v e d a y1等就根据超声导波的传播特性,研制了一套超声导波的发射与接收系统来对当地的铁路轨道的完整性进行监测;2 0 1 0年,美国匹兹堡大学教授R i z z o2等在研究超声导波监测技术的过程中,通过尝试在监测装置的横梁头宽度上配置传感器,实现了将不同频率的信号带宽进行分离,从而成功地在钢轨缺陷监测过程中实现了对内部缺陷与表面缺陷的区分。以对钢轨的研究为例,北京交通大学学者3在研究过程中提出了一种对钢轨内部温度应力进行监测的超声导波模态所选取的指标模型,而在对钢轨损伤监测的过程中获得了长达2.5k m的监测范围。2
15、基于导波的S HM实现从总体上看,S HM系统的实施需要四个步骤:确定要连接到结构上的传感器/执行器系统;数据采集;数据预处理;决策。通过这些步骤,可以针对损伤识别过程不同层面的挑战制定解决方案,甚至还可以包括一个额外的级别来考虑智能解决方案。在该级别中,对之前的级别进行评估,以确定多个配置的最佳组合,从而为损伤识别任务生成最佳解决方案。2.1激励信号产生方式以及传感器选择连接到结构上的传感器/执行器定义了将要使用的硬件。在 选 择 传 感 器/执 行 器 系 统 时,除 其 他 因 素 外,必须考虑待测量的类型、与物理或环境条件相关的约束条件以及待获取信息的类型,配置必须符合最大工作频率、待
16、识别损伤的程度或大小、可能的位置和特征以及一般应用的物理限制,其主要功能是捕获可用于确定分析结构状态的信息。传感器/执行器系统可分为被动与主动。被动方法只使用传感器来监测接收信号的变化,而不使用外部信号。从这些传感器获得的数据可用于监测材料腐蚀、变形或穿孔产生的结构异常。主动方法应用已知激励,并评估传播信号的数据。激励取决于传感器的类型和结构内所需的相互作用。由于兰姆波的方向性和低色散,因此一些线性方法通过压电传感器阵列获取兰姆波在金属结构中的传播过程。这种信号的传播在智能材料的开发中广泛使用。压电材料由陶瓷和聚合物制成,呈现出的压电效应常被用于制造基于振动的传感器和执行器,也因其高压电和热释电响应水平而被使用。压电传感器可以制成不同的形状,如矩形、圆形,且可以根据安装位置的结构形状进行调整。2.2数据采集数据采集是指获取每个传感器产生的信号。在这个级别上,需要考虑S HM系统的一些特性,如成本、移动性和可扩展性。S HM系统获取的信息可能会受到传感器配置、操作、环境噪声以及与系统初始设置不同的任何其他事件等的影响。在对生成的信息进行任何分析以用于分类或识别的技术之前,必须解决其中一些
