一个改进的DS证据融合算法用于大规模结构的分区域协作引导波损伤监测

科学领域:

• 材料科学 材料科学 材料科学
• 机械工程 机械工程
• 结构健康监测 结构健康监测

背景情况:

• 大规模的复合结构越来越普遍,需要先进的监测.
• 现有的引导波方法在大型结构中面临挑战:设置,覆盖和数据处理.
• 在线损坏检测和严重程度评估对于运营安全至关重要.

研究的目的:

• 提出一种基于引导波的新型分区域协作结构损坏监测方法.
• 解决大型复合结构当前方法的局限性.
• 使用稀疏传感提高损害严重程度评估的准确性.

主要方法:

• 使用稀疏的传感阵列将结构划分为被监控的子区域.
• 提取特征引导波信号响应来构建特征子空间.
• 在子区域内使用支持矢量机器 (SVM) 进行区域监测.
• 利用改进的Dempster-Shafer (D-S) 证据融合算法进行决策级数据集成.

主要成果:

• 拟议的方法在损害严重程度评估中实现了高准确性 (97.5%).
• 严重程度评估中的不确定性减少到5%以下.
• 分区协作监测和证据融合有效地提高了监测性能.

结论:

• 稀疏感应和子区域协作方法对于大型复合结构是有效的.
• SVM和DS证据融合提高了损害严重程度评估的准确性和可靠性.
• 这种方法为在线结构性健康监测挑战提供了切实可行的解决方案.