抽象性
为了确保复合组件安全,需要结构健康监测,以便在损害发生早期阶段即时检测结构性能很难用单传感器检测技术检测复杂组件,因此将选择使用多传感器检测超声波相位数组技术超声波相位数组技术可扫描结构所有方向和角而不移动或小移动探头并成为结构健康监测首选然而,使用超声波相位数组和Nyquist采样定理用于结构健康监测时将生成大量数据,难以存储、传输和处理传统Nyquist采样无法满足大量数据采样而不失真,因此必须选择效率更高的获取技术压缩感知理论可确保信号稀疏时可用低采样率采样,该采样率远小于Nyquist采样定理中定义的大量数据采样率的2倍并重构高概率实验结果显示 正交匹配算法 完全精确重构信号
开工导 言
结构健康监控是结构性能和检测损耗的重要技术一号,2..系统使用传感器技术高级信号处理法,在结构损坏发生初期即时监测目标系统检测到的结构和特性响应结构损坏可及时准确识别连同航空航空航天的持续开发 飞行器结构设计正在变化飞机材料应用需求即轻而有效,也大幅增加。复合材料有光质量和高强度特征,广用于航空和航空航天领域积分缺陷 破解用药 气泡等等 极受制造过程差异 和各种人工因素影响为了确保复合产品性能安全,必须使用高效结构监控技术-超声波相位数组技术
超声波相位数组技术以灵活的波束偏转和强聚焦性能吸引研究人员的注意力3-5..超声波相位数组可使用从数组元件释放声波有序栈实现结构高效检测,对结构健康监控意义重大。超声波相位数组传感器设计基于Huygens-Fresnel原理传感器由数组中数组中多维独立电波片组成形电网都指成单元数组中每个单元超声波叠加组成新波前端接收程序反射波由一定规则与时间序列控制,信号合成执行后合成结果以适当形式显示与传统单传感器检测相比,超声波相位数组波束扫描是灵活的,检测速度更快,分辨率更高,复杂部件检测更合适近些年来,超声波分量检测研究在国内外开发[6-九九..高级超声波相位数组还用于航空空间测试设备然而,通过使用超声波分量阵列技术实时在线监测合成结构时将产生大量数据Nyquist采样定理,这不仅需要复杂处理数据,还需要更高需求采集系统完成数据收集
压缩感应器指出,只要信号稀疏,它可用比传统Nyquist采样定理低得多采样率完成获取信号10,11..初始时,将选择合适的正交稀疏变换基础来减少稀疏系数矢量的非零值数,以便获取信号稀疏表示法第二,为了实现高概率恢复原信号,有必要搭建投影观察矩阵对信号进行投影变换过程期间矩阵不得与稀疏变换基础相关并同时满足受限异度属性最终设计出重构算法 高稳定性 低计算复杂性 高重构精度理论可减轻存储、传输和数据处理造成的压力因此,基于分数结构监测信号正对匹配算法的拟议重构法更好地解决处理大量数据的困难,超声波分数组结构健康监测过程
二叉压缩感知
压缩感知新理论采样重构稀疏信号传统Nyquist采样定理通过统一采样获取数据,压缩感知理论可用内部产品操作信号和观察矩阵完成信号采集只要原信号稀疏时间域或某些变换基础,压缩感知技术可用较低的采样率收集信号并重构概率高信号采样方法部分收集信号信息,但不是整信号,以便有效减少数据复杂性图显示压缩感知过程一号.
压缩感知理论有三大部分,包括信号稀疏表示、测量矩阵投影观察和信号稀疏重构
信号松散是压缩感知理论的先决条件和基础因此,首要任务就是信号稀疏表示等一等 分组基向量离散信号空间RN级有限长度后信号 可线性表示如下: 去哪儿 转换矩阵大小 . 被称为稀疏系数和变换矢量X级内 域名中稀疏系数满足以下表达式:
压缩感知理论核心设计测量矩阵,直接判定压缩感知能否成功实现万一信号X级稀疏表示矩形变换基础 ,华府M级维线性投射矢量y市可表示为 去哪儿 是一个测量矩阵,与变换基础无关 .
信号信息充足X级包含在这些小值中 e3)可转换 去哪儿 感知矩阵
信号重构逆向问题相对于压缩采样并重构信号X级从观察值y市.重构信号通过解析获取4)问题不那么确定并有无限多解决办法康德和陶证明方程解决之道是解决最小问题之道 诺姆
线性编程问题 和凸优化问题重构错误计数5)可转换为最小值 规范问题 :
3级超声波分级数组重构信号
相位数组信号连续放大由压电传感器数组收集,并有超声波相位数组原理大量信号难以存储、传输和处理分片数组信号表达度稀疏,通过选择适当的稀疏变换基础来减少稀疏系数矢量的非零值,可获取分片数组信号
3.1.稀疏表示法Fourier变换
稀疏表示过程超声波分数组信号中,信号将投射到正交变换矩阵上常用正交变换基础包括离散余弦变换基础、傅里叶变换基础、波子基和曲线基12-15..
傅里叶变换表示函数满足三维函数或线性组合在不同研究领域,它包括连续傅里叶变换、离散傅里叶变换和各种不同的傅里叶变换形式
离散傅里叶变换法将有限时间域数据转换成频域数据13..离散时间信号 带N级定序值分配,下变换为离散傅里叶变换 :
逆向变换反离散傅里叶变换
3.2射线阵列信号
实现高概率重构原信号压缩感知需要一个投影观察矩阵 完成投影变换 无关稀疏变换基础 并满足受限异度属性最近,有一些测量矩阵满足受限异度原理,包括高斯随机矩阵、伯努利随机矩阵、哈达马德矩阵、托普利兹矩阵和随机傅里叶矩阵[16-19号..虽然这些测量矩阵高概率满足受限异度原理,但在实际应用方面仍存在一些缺陷,如计算复杂性和存储难度高斯矩阵不仅与大多数固定正交基础相关,还满足受限异度属性,因此高斯矩阵可用作投影观察矩阵18号,19号..超声波相位数组信号高斯随机测量矩阵乘以稀疏系数,然后获取信号的观测矢量
let测量矩阵 华府市 , 中泛词显示方式如下:
矩阵中的每一元素均独立于高斯分布平均值为0,差值为 .矩阵与绝大多数稀疏信号无关,重建信号需要较少测量值高斯随机测量矩阵是非常灵活的矩阵,劣势为高度不确定性信号长数N级微薄度K级唯一需求 测值恢复原信号高概率C级极小常量
3cm3信号重构基于正交匹配
压缩感知理论的最终目标是高效重构原信号信号重建过程 需要寻找方程最稀疏解法 .前压缩感知重构算法划分为两类一种重构算法是凸优化算法20码..算法主要增加获取最稀疏解题的限制规范约束表表达方式如下: 去哪儿 , .常用算法基于线性编程和渐变投影稀疏算法基础算法复杂性算法主要取决于查找右支持集需要迭代数计算速度算法快速,但测量数据需求更多,精度低另一种重建算法贪婪迭代算法21号-23号..类算法主要使用本地优化组合查找非零系数获取原信号常用算法匹配跟踪算法计算速度算法低点,但测量数据需求小点,精度高点
相位数组信号重建过程 重构变换成凸优化问题I级一号规范化后I级一号诺姆近似线性编程和二次编程问题
OMP改进MP算法由MP选择最佳原子标准所遵循的算法提高仅保证剩余误差和每种迭代中最优原子相容性之缺信号投射前 OMP将令所有原子遍历并投射正交原子空间信号将获取正交原子空间上信号的组件和剩余部分OMP保证残留物与所选原子相交
4级实验和结果
实验中线性数组中的九分电元素排列在复合板块中直径和薄电元件厚度分别为8毫米和0.48毫米相邻两端电介素间距离为12毫米数据采集点为1024,采样频率为fs系统=1000赫兹
整个过程令数组元素像驱动传输信号 并令其余八分元素像传感器接收反射信号九组元素旋转刺激信号,每一度对应72信号9x8x181信号通过分级数组扫描复合板结构后从0度检测到180度在此, 我们选择数组元素一向90度方向接收数据, 数组元素0发布数据, 而其他度处理法是一致性的时域数据波形图显示2.
离散傅里叶变换处理接收信号时使用,原始信号稀疏表示方式将如图所示获取3.从图中可以看出DFT后相位数组信号稀疏系数大都等于或接近0,这与稀疏信号特征一致。
微信令完成投影观察 超声波相位数组数据长度 数观察 .结果显示图4.
尾端正对匹配算法用于信号重构结果显示图5.图中5(a)正交匹配算法重构信号离原信号非常近,因此很难辨别波形本地波形放大图5(b).
(a)
(b)
与原相位数组信号相比,正交匹配算法获取的重构信号在信号波形上有一些差异为了更精确地判定重构算法效果,重构误差将由数值显示生成,如图所示6.整体重构误差介于0.15%内,其中大都接近零
为了更清晰地比较重建算法的有效性,用两个重建误差量化比较重建误差
绝对误差和相对误差分别计算 去哪儿 重构信号 原创信号
表2一号显示重构算法错误比较
5级结论
组合板块阵列结构监测信号重构法基于正对匹配算法,可有效解决数据存储和处理的困难,因为超声波分数组生成了大量数据。第一,离散傅里叶变换用于稀疏表示度以降低信号的非零值第二,高斯矩阵用于投影观察获取观察第三,正交匹配算法用于稀疏重构近似原信号实验显示正交匹配算法可用于重构分数组信号,由复合板结构监听时少报误差未来研究中,我们可以选择更优化投影观察矩阵和更有效的重构算法,以更有效地重构超声波相位数组信号
利益冲突
作者声明他们没有利益冲突
感知感知
这项工作得到中国自然科学基金会支持51405241和61672290,江苏政府海外研究奖学金和PAPD基金