基于光纤光栅和小波包分析的智能材料与结构损伤识别研究

【摘要】：光纤光栅传感器以具有长期稳定性等独特的特性在各工程领域得到了广泛的应用,为结构健康监测信号的精确采集提供了条件。小波分析是近年来大力发展的新的信号处理工具,以其时频局部化的特性使信号可实现在频域和时域内同时进行分析和处理,从而为结构损伤识别的实现奠定了基础。本文从光纤光栅传感器制作入手,对光纤光栅信号解调技术、结构动力响应特性的分析技术、结构损伤特征量的提取方法、耦合神经网络模型的建立和结构损伤识别的实现进行了探索性研究。 提出了使光纤光栅增敏的加工制作技术,并研究了光纤光栅在载氢和未载氢情况下的光致折射率的变化及其对光栅特性的影响,同时研制了埋入式和粘贴式两种新型光纤光栅应变传感器及其工程应用技术,重点研究了粘贴式光纤光栅应变传感器的静、动态特性。 分析和比较了目前所采用的光纤光栅解调技术,提出采用基于边缘滤波器的光纤光栅高速解调技术作为本次研究中的解调方法,介绍了该解调技术的解调原理,探讨了该解调方法的关键技术,并用实验验证了该解调技术的可行性。 推导了智能复合材料简支板在静力作用下的应力应变关系,研究了智能复合材料板在动载荷作用下的形变,导出了四边简支板的一阶固有频率和高阶固有频率的解析解;用有限元分析软件建立了四边简支板的有限元模型,模拟了四边简支板在损伤前、后的固有频率和自由振动模态。 阐述了小波包分析技术的原理和方法,对小波基的选取原则进行了分析和探讨,确定了小波基函数DbN中的N以及小波包分解尺度j;从模式识别的观点对结构损伤识别进行了分析,分析了小波包信号能量特征提取的方法。利用小波包多分辨率的特点,提出了以小波包信号成分能量特征向量为结构损伤识别的损伤特征指标。 对BP算法的学习训练过程进行了详细推导,在此基础上,针对多传感器数据采集和处理的特点,构建了耦合神经网络模型,提出了采用耦合神经网络的方法来实现多传感器数据采集的结构损伤识别。采用小波包变换技术对结构不同区域的传感器信号进行特征量提取,并以BP算法为基础,构造了三个耦合神经网络模型,分步实现了结构损伤的确认、定位和定量。以智能材料四边简支板结构模型实验为例,对四边简支板结构在32种损伤工况下的测试数据进行小波包变换,提取损伤特征指标作为耦合神经网络的输入样本,对一级网络进行了学习训练,并以一级神经网络的输出作为二级神经网络的输入样本,进行二级网络的训