基于LS2SVM的压电智能结构损伤主动监测

    复合材料因其比强度、比模量高等优点而在众多领域具有潜在的应用。然而复合材料是一个复杂的多相体系,这使其结构损伤与普通材料结构不同。传统的无损检测方法,由于都是离线的被动式检测技术,故无法对使用中的复合材料结构实现在线实时监测^[1]。将智能驱动器、传感器敏感网络埋入(粘贴)复合材料内部(表面),并配合适当的现代信号处理技术,构成智能复合材料结构系统,从而实现对复合材料状态的在线实时主动监测。然而,信号处理方法是制约结构损伤在线实时监测技术发展的一个重要因素。人工神经网络以其记忆、联想和学习等功能在复合材料的损伤识别及监测领域得到广泛关注,但以BP为代表的前向神经网络由于缺乏严格的理论依据,而存在一定的固有缺陷。近年来发展起来的基于统计学理论的支持向量机(SVM)网络,则成为目前模式识别及非线性回归的理想网络模型,特别适用于高维、小样本学习问题^[2–3]。本文基于主动监测技术,运用最小二乘支持向量机(LS2SVM)网络来对压电智能复合材料层板进行损伤定位的研究,并与改进的BP网络进行了对比。

    1　损伤主动监测系统

    压电元件在外力作用下产生机械变形,从而在其表面会产生电荷,即压电元件的正压电效应;反之,如果对压电元件施加电激励,则会使其产生机械变形或机械力,即逆压电效应。由于具有正逆压电效应,压电元件既可作为传感器也可作为驱动器。基于压电元件的正逆压电效应而搭建的损伤主动监测系统如图1所示,该系统由DSO4050数据采集及处理子系统、LAI200信号发生卡、计算机处理子系统、电荷放大器、压电驱动器、压电传感器、结构试验件等组成。系统的工作原理为:利用压电驱动器向结构施加振动或超声激励,以其他压电传感器来监测结构对激励信号的响应,从而实现对结构损伤的在线实时监测。基于压电元件的主动监测技术的优点是:可在任何需要的时刻对结构进行在线监测,而又无需时刻监测,因此有效且节省能源;可通过驱动器、传感器位置及激励信号的优化,选择对结构状态改变敏感的参数进行测量和评估,并对环境噪声和干扰具有抑制能力。

    结构试验件采用玻璃纤维/环氧树脂复合材料层板,层板的几何尺寸为400 mm×320 mm×2 mm,层板的一表面中心位置粘贴一压电驱动器,用于施加激励,而另一表面则粘贴9个压电传感器,其布置位置如图2所示。压电驱动器与压电传感器的尺寸均为? mm×0.25 mm。压电传感器用于产生层板对激励信号的响应,若层板某处出现损伤,则各压电传感器响应信号将发生变化。由于加载可视为损伤的一种特有模式,为此在层板不同的位置加载,各传感器都将产生不同的响应信号,通过神经网络可建立传感器响应与加载损伤位置的关系,从而实现层板加载损伤位置的检测。