基于压缩感知理论重构压电阻抗信号的钢结构损伤识别

基于压电阻抗(electromechanical impedance, EMI)技术,针对结构损伤识别提出了阻抗/导纳数据压缩与重构的方法,利用随机矩阵将监测系统中的原始阻抗数据向量进行线性映射,并将映射后的向量输入到接收系统中;基于压缩感知理论将重构原始数据的问题转化成非确定性多项式问题,并基于凸优化(convex optimization, CO)理论求解;在损伤识别阶段,利用均方根偏差(root mean square deviation, RMSD)统计指标对重构阻抗数据的识别效果进行评估,并与使用原始阻抗数据的效果进行对比。利用简支钢梁的局部损伤识别试验采集的阻抗数据证明所提出方法的有效性。结果表明：基于重构阻抗数据能够有效识别结构损伤,基系数矩阵的稀疏度随着测量数的减少而降低,一致球集合对应的稀疏度区间低于其他测量矩阵,阻抗数据重构效果随着压缩率的增加而减弱,当压缩率高于2.0时,部分使用重构阻抗数据识别结构损伤的误差将大于20%,损伤识别精度降低。     

基于EMI损伤检测技术的温度补偿研究

基于机电阻抗(EMI)方法的健康监测技术近年来迅速发展,但温度对该方法的影响使得EMI技术的发展受到了一定的阻碍。此研究以实验为基础分析了温度对基于EMI的损伤检测技术的影响,随后分别采用有效频率偏移方法和神经网络方法对EMI损伤检测技术做温度补偿,并对比分析了两者的补偿效果。实验研究表明温度的变化会引起EMI方法中导纳曲线的偏移,引起RMSD损伤指标的变化,从而影响对损伤程度的分析判断。通过有效频率偏移方法及神经网络方法作温度补偿后,均得到了比较理想的补偿效果,温度影响明显减小。通过对比得出神经网络方法的补偿效果更加明显。