[0048] 本发明提出的一种基于规则推理的船舶结构损伤识别方法,其流程框图如图1所示,包括以下各步骤:
[0049] (1)根据船舶损伤结构位置、损伤程度设定船舶结构损伤的集合Θ={F1,...Fi,...FN},Fi代表船舶结构损伤Θ中的第i类损伤,i=1,2,...,N,N为船舶结构损伤类别的个数。
[0050] (2)SRVR为能够反映船舶结构损伤集合Θ中每类结构损伤Fi的损伤识别指标,损伤识别指标具体定义如下:
[0051] 在船舶运行时,由光纤光栅传感器监测波浪、爆炸等载荷冲击船体产生的振动信号,使用光纤光栅动态解调仪解调得到检测信号,设检测信号为f(t),将其进行J层小波包分解,并将各节点信号重构,设各节点重构信号为 则有:
[0052]
[0053] 各节点重构信号的能量可定义为:
[0054]
[0055] 去掉能量较小的节点后保留前m个节点信号并由此重构信号
[0056]
[0057] 为了确保此时重构信号保留原始信号f(t)的主要频率成分,可以通过求取 与f(t)的相关系数,当两者相关系数大于0.8时即认为前m节点重构的信号是有效的,设小波包分解前m个节点能有效的重构原始信号,记各节点重构信号能量占信号总能量的比例为[0058]
[0059] 则可以定义损伤识别指标为:
[0060]
[0061] 式(5)中 为各节点重构信号能量占信号总能量比例的参考基准,可由在结构健康状态下多次测量振动信号求取各节点重构信号能量比例的平均值所得。
[0062] (3)当船舶结构损伤集合Θ中的N类结构损伤分别发生时,获取每种结构损伤的损伤识别样本,每类损伤识别指标w个,共计x=N×w个损伤识别指标样本集合作为训练样本,1 2 n n
记为F(x)={SRVR(x),SRVR (x),...,SRVR (x)},n为光纤光栅传感器的个数,SRVR的输入参考值集合 Jn为参考值个数。
[0063] (4)构建规则库,由L条规则组成,建立的产生式规则库中的第k条规则描述为:
[0064]
[0065] 式中:SRVRn表示第n个损伤识别指标; 表示在第k条规则中第n个输入变量的参考值,且有 L=J1×J2×…×Jn,
[0066] (5)将损伤识别指标样本集合{SRVR1(x),SRVR2(x),...,SRVRn(x)}作为模型的输入,通过规则库融合推理出其所属的船舶结构损伤的类别,具体步骤如下:n
[0067] (5‑1)计算出第n个损伤识别指标SRVR (x)与其对应的每个参考值 的距离,如下式(7)所示
[0068]n
[0069] (5‑2)定义第n个损伤识别指标SRVR (x)与其对应的每个参考值 的匹配度为[0070]
[0071] (5‑3)根据步骤(5‑2)中的式(8)计算出第n个损伤识别指标SRVRn(x)激活每条规则的权重
[0072]i
[0073] 其中 为第i损伤识别指标SRVR (x)与第k条规则下各自对应的参考值 的匹配i度,0≤rk≤1为第k条证据的权重,0≤λ≤1为每个损伤识别指标的可靠度;
[0074] (5‑4)根据步骤(5‑3)得到每一条规则的激活权重 后,将每一条规则置信度mN,k进行融合,得到的融合结果记为 融合公式如下:
[0075]
[0076] (5‑5)根据步骤(5‑4)得到的融合结果 进行决策,找出最大的置信度,最大的置信度为 即可判断该损伤识别指标样本集合属于结构损伤Fi。
[0077] 为便于理解,在此举例说明如何利用步骤(5)中公式(7)‑(10)对所有的规则进行推理融合,一个两个输入一个输出的模型,模型的输入输出参考值设置如表1所示,规则库如表2所示:
[0078] 表1输入与输出的语义值与参考值
[0079]
[0080] 表2规则库
[0081]
[0082]
[0083] 例如输入为{10.5,14.5}属于F1,根据式(7)求得根据式(8)求得
1 2
假定rk=1,λ=λ=1根据式(9)求得每一条规则的
激活权重
根据式(10)融合每一条规则的置信度得到
融合结果 对融合结果进行决策,置信度最大的为
即可判断该输入属于F1类结构损伤。
[0084] (6)基于欧式距离构建参数优化模型,具体步骤如下:
[0085] (6‑1)确定优化参数集合P={mi,k,rk,λj|i=1,2,...,N;k=1,2,...,L;j=1,2,...,n};
[0086] (6‑2)将最小化欧式距离作为优化目标函数,
[0087] 当损伤识别指标样本集合实际上属于Fi类结构损伤时,
[0088]
[0089] s.t. 0≤mi,k≤1 (12a)
[0090]
[0091] 0≤rk≤1 (12c)
[0092] 0≤λi≤1 (12d)
[0093] 式(12b)‑(12d)表示优化参数需满足的约束条件。
[0094] (6‑3)利用GA遗传算法工具箱,获得最优的参数集合P,在船舶运行时,由光纤光栅传感器监测波浪、爆炸等载荷冲击船体产生的振动信号,使用光纤光栅动态解调仪解调得到检测信号,计算得到损伤识别指标,根据步骤(5)得到融合结果,进行决策,判断所属的船舶损伤类别。
[0095] 以下结合附图,详细介绍本发明方法的实施例:
[0096] 本发明方法的流程图如图1所示,核心部分是:对光纤光栅传感器监测信号进行小波包分解,求得损伤识别指标,将其作为信度推理模型输入,根据船舶损伤结构位置、损伤程度设定结构损伤类别,作为信度推理模型输出,构建信度规则库。根据输入值计算所有规则的激活权重,通过证据推理算法融合所有规则,根据融合所得损伤类别的信度进行决策,判断船舶结构所属的结构损伤类别。构建目标函数训练优化参数集合,得到推理模型的最优参数集合。在线获取损伤识别指标,基于最优推理模型得到融合结果进行决策,判断所属的结构损伤类别。
[0097] 以下结合某船舶舱底T型梁结构,详细介绍本发明方法的各个步骤,通过实验数据验证本发明方法结构损伤识别的性能。
[0098] 1、实验数据的收集处理
[0099] 根据本发明步骤(1‑2)收集安装在T型梁结构上两个光纤光栅传感器监测数据,根据该T型梁结构损伤程度不同,将数据分为四类,根据这些数据求得损伤识别指标,共计500个,属于第一类F1的125个,属于第二类F2的125个,属于第三类F3的125个属于第四类F4的125个。每一类中任取100个作为训练样本,剩下25个作为测试样本,训练样本共计400个,测试样本共计100个。
[0100] 2、输入参考值的选取
[0101] 根据本发明步骤(3),设定第一个光纤光栅传感器的损伤识别指标参考值为A1={14,15,16,17,18,19,20,33,34,36,37},共计J1=11个参考值;第二个光纤光栅传感器的损伤识别指标参考值集合A2={10,11,12,13,14,15,16,20,21,22,23},共计J2=11个参考值。
[0102] 3、构建规则库
[0103] 根据本发明步骤(4),两个光纤光栅传感器的损伤识别指标SRVR,每个SRVR有11个参考值,构建共计121条规则,如下表3。
[0104] 表3规则库
[0105]
[0106]
[0107]
[0108]
[0109] 3、训练优化
[0110] 根据本发明步骤(6),确定优化参数集合,共计607个,其中初始rk=1,λ1=λ2=1,m1,k和m2,k为表3规则库的置信度,用400组数据做训练,使用最小化欧式距离作为优化目标函数,GA遗传算法作为优化算法,得到优化后的参数。
[0111] 3、测试实验
[0112] 使用上述100组训练数据,根据步骤(5)得到结构损伤识别决策结果,计算识别正确率为89%,结果如图2所示,达到了预期设计精度。