逆问题分析存在解非唯一,是多载荷识别的最大难题.通过相关分析方法来实现对载荷数量的识别,然后在板结构试件上同时加载已知数量载荷的情况下,可以使用遗传算法求解所有载荷的大小和位置.该算法具有数据融合能力和冗余性.文中提出的"模式"和"相关系数矩阵"的概念不但可以用于多载荷识别,也可以用于静载荷的损伤识别.

研究运用两个正交的拍摄系统,拍摄被测物体的离面大位移或应变的非相关图像,由MATLAB软件分析图像变化的特征值,利用记录光路系统的几何参数,计算得到被测物上各测点的位移或应变,并由效果图演示被测物体空间变化的过程.实验表明测量的范围可由3 mm至90 mm,测量不确定度优于1.5%.

基于被动监测技术的局限性,搭建了损伤主动监测系统,对监测信号进行了功率谱密度最大值（PSM）特征提取,并提出了一种基于最小二乘支持向量机（LS-SVM）的损伤检测方法。采用该方法,对压电智能复合材料层板进行了损伤定位的研究,并与改进的BP网络进行了对比,结果表明：在相同性能指标下,LS-SVM有比BP网络更高的损伤定位精度及更强的泛化能力。LS-SVM与主动监测技术的融合,为结构实现在线实时准确监测提供了一种新途径。

引入扫描带重叠系数的概念,建立了多探头阵列式、多探头旋转式和单探头旋转反射镜式检测头的不漏检条件;深入分析了小管道液浸超声检测时的聚焦超声场,建立了相应的数学模型;在此基础上,提出了检测头型式及聚焦探头参数的选择原则;建立了小管道液浸超声检测的室内测试系统.试验表明,在适当的采样率和系统增益的情况下,单探头反射镜式检测头可用于小管道的超声在役检测.

针对轴承故障信号比较微弱的特点,提出了一种基于耦合隐马尔可夫模型(coupled hidden Markov model,简称CHMM)的轴承故障诊断方法。首先,根据轴承传动结构特点,设计能够监测轴承振动状态的传感器网络;其次,通过非线性特征提取方法获取能够反映轴承健康状态的少数关键特征,利用传感信号的矢量量化代替提取其频域微弱特征的方法,可有效提高故障诊断效率和准确率;然后,在多通道信息融合中引入隐马尔可夫模型,采用左右型齐次隐马尔可夫链实现故障诊断;最后,通过对各种轴承故障状态构建其对应的耦合隐马尔可夫模型的方式,实现对轴承故障类型的辨识。试验结果表明,该方法能够有效地实现对轴承故障类型的识别。