大型航空结构的压缩采样和多主体协作融合分布式健康监测技术研究

In the project, for the prominent issues of the sensor network resource-constrained and the reliability damage evaluation in the large aviation structural health monitoring system, combining the compressive sampling and multi-agent approach, and the sparse representation and reconstruction recovery of a large amount of sensor network information and damaged information is intensively studied, and through the effective coordination and management of the sensor network and the damage evaluation methods of large aviation structure, the data processing, collaboration and dynamic self-adaption capabilities of the system is improved to reliably and effectively identify damage. Focus on the following issues: firstly, for the effective and reliable transmission problems of large amount of information of large aviation structural complex sensor network, the distributed compressive sampling and multi-agent collaboration model are built to reduce the key indicators of distributed sensor network data collection, storage and communications bandwidth. Secondly, to fast and effectively extract and reconstruct the damage information from the multi-sensor compressive sampling signal, the multi-agent collaboration damage identification method is presented based on the damage signal sparse representation and model sparse reconstruction for the large aviation structure. Thirdly, in order to reduce the influence of the environment dynamic uncertainty for multi-sensor damage features to improve the damage classification system identification efficiency, the multi-agent decision fusion method is presented based on the sparse dynamic classifier ensemble selection for the large aviation structure. The research will be to promote the practical application of the structural health monitoring in engineering, and it has an important practical significance.

本项目针对大型航空结构健康监测系统中突出存在的传感网络资源受限和可靠损伤评估问题，将压缩采样与多主体方法相结合，深入研究传感网络大信息量和损伤信息的稀疏表示重构，通过有效协调、管理大型航空结构中的传感器网络和评估方法，改善系统的数据处理能力、协作能力和动态适应能力来实时可靠有效地辨识损伤。重点研究以下内容：针对大型航空结构复杂传感网络大信息量有效可靠传输问题，构建分布式压缩采样和多主体协作模型，以减少分布式传感网络数据采集、存储量和通信带宽等关键指标。为了从多传感器压缩采样信号中准确快速提取重构损伤特征参数，提出大型航空结构的损伤信号稀疏表示和模型稀疏重构的多主体协作辨识方法。为了减少外界动态不确定性对于多传感器损伤特征的影响从而改善损伤分类系统辨识效率，提出大型航空结构的稀疏动态分类器组选择的多主体决策融合方法。本研究对于推动结构健康监测技术在工程领域的真正实用化具有重要的现实意义。

本项目针对大型航空结构健康监测系统中突出存在的传感网络资源受限和可靠损伤评估问题，将压缩采样与多主体方法相结合，开展研究了传感网络大信息量和损伤信息的稀疏表示重构, 通过有效协调、管理大型航空结构中的传感器网络和评估方法，以改善系统的数据处理能力、协作能力和动态适应能力来实时可靠有效地辨识损伤。取得的主要创新性成果总结如下：.1）针对大型航空结构复杂传感网络大信息量有效可靠传输问题，提出构建了分布式压缩采样和多主体协作模型，以减少分布式传感网络数据采集量、存储量及通信量等关键指标。研究了Nyquist采样、非均匀采样和压缩采样及分布式压缩采样理论，以大型航空结构为对象，进行了分布式传感网络压缩采样稀疏模型和重构模型的仿真分析和实验研究，初步验证了所提出方法的有效性。.2）针对从多传感器压缩采样信号中准确快速提取重构损伤特征参数，提出了大型航空结构的损伤信号稀疏表示和模型稀疏重构的多主体协作辨识方法。首先采用先进时频分析方法对损伤一维信号和二维信号进行稀疏表示和特征提取。然后研究推导了基于压缩采样的模态参数估计和冲击载荷反演优化重构，以满足结构健康监测实时性和可靠性要求。在此基础上，研究了两种方法的多主体黑板分布式协作技术，实现了对损伤位置最优评估。.3）针对减少外界动态不确定性对于多传感器损伤特征的影响从而改善损伤分类系统辨识效率问题，发展提出了大型航空结构的稀疏动态分类器组选择的多主体决策融合方法。根据压缩采样稀疏表示理论，通过训练样本集和测试样本稀疏表示研究了损伤样本特征与外界动态不确定变化的关系，利用稀疏项与每个字典分类器组对应关系，实现了实时从空闲分类器主体中选择最优分类器组合，从而动态限定合同网协议招投的分类主体数量，提高了系统动态适应性，相对静态选择保证了多损伤分类系统融合精度提高实时性。.4）针对典型的大型航空结构，即铝板、碳纤维复合材料层合板，以冲击载荷和紧固件松动为监测对象，采用压电传感器（压电陶瓷片）、光栅光纤传感器，搭建相关测试系统及开发多主体软件。在此基础上，根据压缩采样随机解调的基本原理，通过理论推导、仿真研究，设计开发了压缩采样随机解调系统，对面向损伤主被动监测的典型响应信号进行了实验验证和分析，达到一定效果。.上述研究工作对于推动结构健康监测技术在工程领域的真正实用化具有重要的现实意义。

内容获取失败，请点击重试