声超声技术中用于数据驱动损伤检测与温度补偿的最优基准选择方法

现代结构建造的全球趋势要求将传感器与数据记录和分析模块集成在一起，以便出于安全寿命、经济和生态原因持续监测其完整性。这种测量和分析来自遍布结构系统的分布式传感器网络数据以量化其状况的过程，被称为结构健康监测（SHM）。基于导波的技术正越来越多地被采用并应用于多种 SHM 系统，这些系统受益于内置换能、大检测范围和对微小缺陷的高灵敏度。尽管如此，为了设计一个可靠的健康监测系统，大量关于波源的固有物理特性及其在结构中传播和相互作用的信息至关重要。此外，任何预期转入现场运行的 SHM 系统都必须考虑环境和运行变化的影响，这些变化会导致结构刚度和阻尼发生改变，从而改变其动态行为。鉴于此，本文特别关注开发一种高效的 SHM 方法，该方法集成了稳健的信号处理和模式识别技术，用于在损伤检测和识别的背景下正确解释复杂的超声波。该方法基于声超声技术，其中采用离散小波变换进行特征提取和选择，采用线性主成分分析进行数据驱动建模，并在局部密度原则下采用自组织映射进行两级聚类。最后，对该方法进行了实验验证，结果表明所有损伤都是可检测和可识别的。