智能结构多源损伤在线监测的压缩感知-盲源分析方法研究

The composite intelligent structure damage online monitoring, identifying and classifying are key problems need to be solved urgently in the development of large aircraft structure health monitoring and integrated management technology. According to this situation, a new signal processing method combined with Compressive Sensing(CS) and Blind Source Analisys(BSA) used for spatial domain redundant signal is proposed. The Compressive Sensing Reconstruct Imaging Technology research system is put forward, within the system, low-resolution sensor array measurand is used to reconstruct high-resolution measured signal. After research works including over-complete sparse dictionary design, measurement matrix optimization and sparse vector reconstruction, the composite damage stress wave signal can be reconstructed. We put forward the multisource damage signal processing theory, name as Compressive Ssensing-Blind Signal Analisys(CS-BSA) combination algorithm. Though analyzing statistics characteristic of the damage detection interference signal and the stress wave signal, algorith model of blind source extraction and separation is realized. The damage feature database can be built under analyzing the complexity composite intelligent structure damage mechanism and the spatiotemporal discipline of physical parameter synthetic variation by using data mining and classifying technology. The hierarchical test system model and the demonstrative software/hardware platform is realized to verify, evaluate and consummate the CS-BSA combining algorithm. Research achievements can provide the theory and method basis for the development and application of aircraft structure health monitoring, and has great significance to improve the safety and reliability of large aircraft structures.

根据大飞机结构健康监测与综合管理技术发展中迫切需要解决的关键问题，即复合材料智能结构损伤在线监测、识别与分类，有针对性地提出基于空域冗余信号的、结合了压缩感知与盲源分析的信号处理新方法。 建立利用低时间分辨率传感器阵列重构高分辨率被测信号的压缩感知重构研究体系，通过对过完备稀疏字典设计、测量矩阵优化和稀疏向量重构的理论研究和算法设计，重构复合材料损伤应力波信号。提出压缩感知与盲源分离相结合的方法，对损伤信号的干扰和应力波信号的统计特性进行分析，建立盲源提取和分离模型，完成理论研究和算法实现。采用挖掘和分类技术，分析复杂复合材料智能结构损伤机制及应力波参数综合变化时空规律，建立损伤特征数据库，构建分层实验体系模型和示范性软硬件平台，对组合算法进行验证、评估和完善。 项目研究能够为飞机结构状态监测技术的发展与应用提供有力的理论和方法支撑，对提高大型飞机结构安全性和可靠性具有重要意义。

深入研究了利用阵列式欠采样传感器的空域冗余信息、结合了压缩感知与盲源分离理论的信号处理方法，以解决大型飞机复合材料结构健康监测传感器时间分辨率低、难以有效提取损伤信息的难题。.深入研究压缩感知理论，提出K-SVD结构损伤过完备字典设计方法和多级正交基级联稀疏表示方法，有效利用了欠采样传感器的空域冗余信息，提高了损伤信号的稀疏表示精度。创新性地提出了二维压缩感知重构方法和模拟压缩感知架构，解决了采集过程的等间隔非随机性问题，让压缩感知从理论向实际应用迈了一大步。分别提出了稀疏度自适应的正则化牛顿匹配追踪算法、基于同伦思想的欠采样信号实时重构算法，大大提高了信号重构效率，减小了欠采样信号的重构误差。深入研究了正定、欠定、单通道盲源分离理论，并完成了含噪稀疏元、伪多源采样复域盲源分离等系列盲源分离算法，解决了强噪声干扰下微弱信号分离、多源损伤信号盲提取难题。提出压缩感知-盲源分离组合算法，实现了基于欠采样重构信号的盲源分离。搭建了复合材料有限元仿真实验平台和结构损伤半实物软硬件验证实验平台，实现了材料裂纹损伤、声发射损伤和冲击损伤模拟。以裂纹损伤萌生监测、声发射信号检测、声发射信号定位为目标，验证了欠采样传感器信号经过压缩感知重构-盲源分离组合算法处理后，实现结构损伤监测的可行性和实用性。.本项目加深了部分研究的深度，扩展了研究范围，开展了基于深度学习的状态预测和健康管理技术的研究。针对损伤数据库样本容量小、资源不足的问题，研究了样本容量和维度扩容方法，建立了基于深度神经网络和集成学习模型的损伤识别和寿命预测模型，实现了复杂对象的故障检测与寿命预测。.本项目的主要意义是通过对基于欠采样传感器的压缩感知与重构研究，深入探索新的结构损伤监测以及相应的信号处理理论和研究方法，以求在关键技术上有所突破和创新，为结构健康在线监测的实用化创造条件，并推动信号处理、预测与管理以及相关学科技术的发展。