基于概率成像的复合材料加筋壁板冲击损伤监测

基于压电传感器的Lamb波损伤成像方法已广泛用于复合材料结构的损伤识别与定位中,但由传感器网络布置所带来的成像背景会影响损伤成像效果,降低损伤定位精度.针对这一问题研究了损伤概率成像优化方法,假设各激励-传感通道损伤因子一致得到成像背景,通过抑制成像背景来对复合材料加筋壁板结构进行冲击损伤监测.成像结果表明,该优化方法相比于未抑制成像背景的概率成像算法,其成像最大概率点像素值与损伤中心点对应的像素值相对差值降低了约10%,同时冲击损伤的定位精度相比优化前提高了约2mm.     

联合弹性碰撞与梯度追踪的WSNs压缩感知重构

为提高压缩感知(Compressed sensing,CS)大规模稀疏信号重构精度,提出了一种联合弹性碰撞优化与改进梯度追踪的WSNs(Wireless sensor networks)压缩感知重构算法.首先,创新地提出一种全新的智能优化算法|弹性碰撞优化算法(Elastic collision optimization algorithm,ECO),ECO模拟物理碰撞信息交互过程,利用自身历史最优解和种群最优解指导进化方向,并且个体以N(0,1)概率形式散落于种群最优解周围,在有效提升收敛速度的同时扩展了个体搜索空间,理论定性分析表明ECO依概率1收敛于全局最优解,而种群多样性指标分析证明了算法全局寻优能力.其次,针对贪婪重构算法高维稀疏信号重构效率低、稀疏度事先设定的缺陷,在设计重构有效性指数的基础上将ECO应用于压缩感知重构算法中,并引入拟牛顿梯度追踪策略,从而实现对大规模稀疏度未知数据的准确重构.最后,利用多维测试函数和WSNs数据采集环境进行仿真,仿真结果表明,ECO在收敛精度和成功率上具有一定优势,而且相比于其他重构算法,高维稀疏信号重构结果明显改善.