论文部分内容阅读
结构健康监测技术可以对大型结构的内部进行实时在线监测,在保证结构安全方面发挥着至关重要的作用。在Lamb波结构健康监测系统中,一般使用分布式传感网络结构,需要布置大量的传感元件节点,通过较高频率的采样率对数据进行采集和存储,导致系统在传输中需要消耗大量的能量,所以如何从传感器收集的海量数据中提取重要信息并有效地进行损伤状况估计成为了结构健康监测新的热点和难点之一。本文针对结构健康监测正在面临的困难,如信号传输成本高,从传感器收集数据量大和传统重构算法计算量大的问题,提出了基于Lamb波结构健康监测的压缩感知研究方法。本文的研究内容及取得的成果主要包括以下几个方面:(1)介绍了结构健康监测的研究背景及研究内容,其中重点针对Lamb波结构健康监测领域中目前遇到的海量采集数据、存储传输压力大等难题,建立了基于压缩感知的Lamb波信号处理方法分类体系;(2)阐述了Lamb波的传播特性,讨论了Lamb波的激励过程和压缩感知算法对Lamb波的适用性,并深入研究压缩感知稀疏分解、观测矩阵选择以及传统重构算法原理和局限性;(3)首先将现有的重构算法用于Lamb波分析其重构性能,之后提出了基于Lamb波的改进的压缩感知重构算法,在保证一定的重构精度下,实现了分布式传感器结构健康监测系统中未知稀疏度信号的大比例压缩及测量信号的低误差率高效重构,减少了信号存储压力,节约了信号传输成本。最后利用层析成像方法来监测损伤状态,实现对铝板损伤的精确成像,验证改进算法有效性;(4)利用一套基于压缩感知方法的Lamb波结构损伤监测实验系统,在铝板上设计了三个不同状态的损伤,对其进行了实时监测与评估,将评估结果与传统采集方式相对比,分析其优越性和准确性。实验结果表明:本文提出的基于Lamb波结构健康监测的压缩感知方法与传统采集方法相比,能减少网络损耗,减轻在Lamb波传播过程中存在的信号数据量大、冗余信息多的负担,使得系统高速运行的同时也保证了结构损伤识别的精度,为提高结构健康监测的高效性和可靠性做出了一定的贡献,具有良好的应用前景。