基于压缩感知的超声相控阵结构健康监测技术研究

Comprocessive sensing based ultrasonic phased array structural health monitoring is proposed to solve the resource-contrained problems of data storage, transmission and processing due to a large number of collection data in phased array based structural health monitoring. The principle component analysis is used to research the optimal selection method of sparse matrix. Bayesian estimation of the compressive sensing measurement matrix is researched to reconstruct the original signal from the measurement data. Adaptive gradient projection reconstruction algorithm and the compressive sensing imaging method is proposed in this project to describe the structure state and the damage location. This research is benefit to reduce the dimension of the array signals and to improve the resolution of the monitoring image.

本项目针对超声相控阵结构健康监测过程中由于信号采集数据量大而导致数据存储、传输和处理系统等资源受限问题，提出一种基于压缩感知理论的超声相控阵结构健康监测方法。为使得稀疏基自适应的跟随结构状态变化的信号特征，提出采用主元分析法研究阵列信号在结构损伤情况下的稀疏基优化选取方法。为了从测量数据中精确或高概率地重构原始信号，研究基于Bayes估计的压缩感知测量矩阵。为精确的恢复原信号并进行监测成像，真实反映结构状态，提出构造稳定的、计算复杂度较低的、对观测数量要求较少的自适应次梯度投影重构算法以及压缩成像方法。本研究对于降低多通道超声相控阵结构健康监测中阵列信号的维数，提高监测图像的分辨率具有重要意义。

由于超声相控阵结构健康监测过程中信号采集数据量大而导致数据处理等资源受限，提出一种基于压缩感知理论的超声相控阵结构健康监测方法。本项目提出主元分析法研究阵列信号的稀疏基优化选取方法，使得稀疏基自适应的跟随结构状态时的信号特征。提出基于Bayes估计的压缩感知测量矩阵，使测量数据精确或高概率地重构原始信号。研究投影重构算法，能够精确的恢复原信号，真实反映结构状态。本研究对于降低多通道超声相控阵结构健康监测中阵列信号的维数具有重要意义。