基于振动的群体结构健康监测中通过广义群体形态建模变异性
机器学习
2022-08-31 v2 信号处理
应用统计
机器学习
摘要
结构健康监测（SHM）在过去三十年中一直是一个活跃的研究领域，并在该期间积累了若干关键进展，正如文献中所见。然而，SHM 仍面临挑战，原因在于损伤状态数据匮乏、运行与环境波动、可重复性问题以及边界条件的变化。这些问题表现为所捕获特征的不一致性，会对实际实施产生巨大影响，但更关键的是，会对技术的泛化能力产生影响。基于群体的结构健康监测（PBSHM）旨在通过利用从若干相似结构群体中收集的数据来建模并迁移缺失信息，从而解决其中部分问题。在本工作中，从四片健康、名义上完全相同、全尺寸复合材料直升机叶片收集了振动数据。叶片之间的制造差异（例如几何形状和/或材料性质的轻微差异）表现为其结构动力学中的变异性，这对于基于振动数据机器学习的 SHM 而言可能非常棘手。本工作旨在通过定义叶片频率响应函数的通用模型（称为形态）并利用高斯过程混合来应对该变异性。
引用
@article{arxiv.2203.07115,
title = {Modelling variability in vibration-based PBSHM via a generalised population form},
author = {Tina A Dardeno and Lawrence A Bull and Robin S Mills and Nikolaos Dervilis and Keith Worden},
journal= {arXiv preprint arXiv:2203.07115},
year = {2022}
}