基于核函数的结构特征参数辨识及其变化预测方法

装备中金属和高分子材料部件采用了减振、隔振、预紧等优化设计技术，长期贮存时材料老化、腐蚀、蠕变和松弛将引起结构的力学特性变化，所得信号具有微弱、样本有限、非线性、被干扰和污染的特点，传统方法对其处理时效果欠佳，研究新的结构特征参数辨识及其变化预测方法具有现实意义。本项目主要研究：1.探索小样本条件下的非线性数据特征参数提取方法：针对小样本、受干扰受污染的微弱信号，研究核函数的映射特性，结合小波等技术构造适用于这类信号的广义核函数，在抑制噪声的同时提取细微特征，运用主分量分析选择最优特征。2.研究结构性能变化预测方法：以结构、性能的微小变化关系为研究对象，建立基于核函数的预测理论和数学模型，在多参数学习与优化方面展开研究，开发应用程序。3.研究结构实例参数辨识与预测应用：选择螺栓、铰接、铆接等工程典型结构，应用上述方法进行参数辨识与预测研究。研究工作可望进一步丰富结构健康状态检测理论与方法。

本项目基于核函数理论，针对武器装备连接结构的特征参数信号提取、大气腐蚀环境下装备寿命预测方法进行了研究和探索。文献和查新报告表明，国内外已有用灰色系统法、神经网络等方法进行结构的故障诊断、参数辨识、微弱信号增强的结构损伤探测及结构疲劳寿命预测等方面的研究，它们各有优势，但都存在共同的不足：(1)现有方法处理非线性特征信号非常局限；(2)没有针对装备在大气腐蚀环境下的寿命进行预测；(3)没有采用可调阈值谐波小波将信号无交叠无遗漏地分解到相互独立的频段，提取能量较弱的细节信号以获得有用特征；(4)没有系统研究小样本条件下结构特征的参数辨识与建模方法。本项目对结构特征参数进行辨识并就其变化趋势进行预测，为该领域的研究提供了新思路，其研究成果丰富了结构寿命预测方法，促进该领域研究的进一步发展。. 本项目主要从以下三方面进行了深入研究：. 1、研究了可调阈值谐波小波去噪理论，证明了小波的时间-频率窗根据中心频率的大小发生反向变化，适合微弱信号的高频分析；对典型小波方法通过多种阈值进行试验，证明了DaubeChies小波的优越性， 7次重构Db8小波去噪效果更佳；尝试将模糊逻辑应用于数据回归预测，发现其去噪能力弱于小波去噪的能力；将DaubeChies和归一化、主成分分析方法结合，形成了小波—>归一化—>主成分分析的数据预处理流程。. 2、研究了复高斯小波类核函数，证明复高斯小波核和多尺度复高斯小波核两种核函数，并初步实现了复高斯小波核函数，但目前还缺乏该类函数参数寻优的有效方法，导致预测效果不够理想；根据连接结构腐蚀时变特性，自制实验设备，通过实验对多种经典核函数分析比较，最终选择径向基核函数开展项目研究；同时对径向基核的参数进行了研究，得出其惩罚因子C和g在log(g)=log(C/2)-log(C) 附近取得最佳值的结论，采用改进人工蜂群算法进行参数寻优，并研制出了该应用软件。. 3、搭建加速腐蚀环境开展模拟实验，对螺栓、铆接及焊接等连接方式的腐蚀寿命进行实验测试，但由于不同的结构件的应用背景不同，虽然目前还不能构造统一的数学模型，但与传统预测方法进行比较，表明支持向量机方法在此类信号的数据回归预测中表现出色；通过对多种支持向量机改进算法进行比较研究，各有优势和不足，本项目采用基于序列最小优化的梯度缩减支持向量机算法。