杜金強,李培源,何宇廷,武 衛(wèi),丁 華

(空軍工程大學(xué)航空航天工程學(xué)院,西安 710038)

?

花萼狀渦流陣列傳感器裂紋在線定量識別算法*

杜金強,李培源,何宇廷*,武 衛(wèi),丁 華

(空軍工程大學(xué)航空航天工程學(xué)院,西安 710038)

針對傳統(tǒng)渦流檢測逆向算法難以滿足結(jié)構(gòu)健康監(jiān)測技術(shù)對實時性、在線以及算法復(fù)雜性低的要求,介紹了一種花萼狀渦流陣列傳感器,分析了傳感器感應(yīng)線圈輸出信號在裂紋擴展過程中的變化特點和規(guī)律,提出了基于裂紋特征在線提取的裂紋在線定量識別算法,并通過304不銹鋼和TC-4鈦合金的疲勞裂紋在線監(jiān)測試驗對算法的有效性進行了驗證。研究表明:采用滑動窗口分析方式,對窗口內(nèi)數(shù)據(jù)流進行最小二乘回歸和遞推最小二乘回歸,依據(jù)回歸參數(shù)和閾值可以對裂紋特征進行有效識別,進而實現(xiàn)裂紋的在線定量監(jiān)測。

渦流陣列傳感器;定量識別算法;滑動窗口;裂紋特征;在線監(jiān)測

飛機結(jié)構(gòu)是決定飛機在規(guī)定服役期限內(nèi)能否滿足規(guī)定功能和任務(wù)需求的基礎(chǔ),一旦出現(xiàn)損傷(疲勞裂紋、腐蝕或外部沖擊等)將會影響飛機在服役期限內(nèi)的安全可靠性、戰(zhàn)備完好率和使用壽命。為提高飛機結(jié)構(gòu)的可靠性與安全性,在傳統(tǒng)的基于無損檢測技術(shù)(NDT)的周期性維修方式基礎(chǔ)之上,基于結(jié)構(gòu)健康/損傷監(jiān)測技術(shù)(SHM)的視情維修方式(或稱基于狀態(tài)的維修模式(CBM))作為具有誘人前景的全新理念被提出來并逐漸應(yīng)用到飛機結(jié)構(gòu)的精確維修中,而作為獲取裝備底層狀態(tài)信息的關(guān)鍵技術(shù),SHM成為實現(xiàn)CBM的重點同時也是難點[1-2]。

國外在理論研究和工程實踐方面對飛機結(jié)構(gòu)健康監(jiān)測技術(shù)開展了較為廣泛的研究,多種監(jiān)測技術(shù)已經(jīng)較為成熟并在國外軍用和民用航空領(lǐng)域都得到不同程度的應(yīng)用,例如傳統(tǒng)的光纖法、壓電法[3]和聲發(fā)射法[4]。同時國外多家公司研制了專用的飛機結(jié)構(gòu)健康監(jiān)測系統(tǒng),如澳大利亞SMS公司的CVM系統(tǒng)(相對真空度系統(tǒng))[5]、美國JENTEK公司的MWM(Meandering Winding Magnetometer)傳感器[6]以及空客公司的ETFS(Eddy Current Foil Sensor),這些系統(tǒng)日益展現(xiàn)出巨大的應(yīng)用前景。在國內(nèi),空軍第一研究所在90年代就在全機疲勞實驗中采用聲發(fā)射技術(shù)監(jiān)測飛機主梁結(jié)構(gòu)的裂紋萌生[7];南京航空航天大學(xué)的基于壓電元件和主動Lamb波技術(shù)的結(jié)構(gòu)健康監(jiān)測系統(tǒng)[8]和西安交通大學(xué)的智能信息涂層[9]已進入工程驗證階段。國內(nèi)的飛機結(jié)構(gòu)健康監(jiān)測技術(shù)面臨的主要瓶頸是如何將技術(shù)轉(zhuǎn)化為實際工程應(yīng)用。例如,智能涂層使用中經(jīng)常出現(xiàn)脫落、損壞等各種耐久性問題,而壓電和聲發(fā)射技術(shù)在實際使用過程中往往受到發(fā)動機等強噪聲源的嚴(yán)重影響。鑒于渦流檢測在高頻下對結(jié)構(gòu)表面裂紋的高靈敏度以及傳感單元與結(jié)構(gòu)非接觸等優(yōu)點,筆者對一種花萼狀渦流陣列傳感器進行了研究,其在結(jié)構(gòu)上具有規(guī)則化、柔性平面和陣列化等特點,該傳感器對金屬結(jié)構(gòu)裂紋的定量監(jiān)測能力已在實驗室條件下得到初步驗證[10-11]。

在渦流檢測技術(shù)中,渦流信號反演技術(shù)或逆向問題是關(guān)鍵,其通過對渦流檢測輸出信號進行分析處理,判斷結(jié)構(gòu)中是否存在裂紋并識別出裂紋的位置和大小。逆向問題求解中的嚴(yán)重非線性和不適定性,使渦流的定量化檢測和評估成為渦流檢測技術(shù)一直面臨的難題[12]。傳統(tǒng)的渦流逆向問題求解算法主要是基于信號處理技術(shù),有模式分類法[13],回歸分析法[14]和概率推理法[15]等。當(dāng)將花萼狀渦流陣列傳感器應(yīng)用到結(jié)構(gòu)健康在線監(jiān)測領(lǐng)域時,現(xiàn)有的渦流逆向求解算法難以滿足結(jié)構(gòu)健康監(jiān)測對損傷識別算法實時性、在線性以及復(fù)雜性低的要求。

為解決上述問題,本文在介紹花萼狀渦流陣列傳感器的基礎(chǔ)上,分析了傳感器在裂紋監(jiān)測過程中的輸出信號特征,提出了基于最小二乘回歸的裂紋特征在線提取算法,并通過疲勞裂紋在線監(jiān)測試驗驗證了算法的有效性。

1 花萼狀渦流陣列傳感器及其輸出信號特征

1.1 花萼狀渦流陣列傳感器的基本原理

圖1 花萼狀渦流陣列傳感器

花萼狀渦流傳感器是針對螺栓連接結(jié)構(gòu)的孔邊裂紋監(jiān)測需求而提出來的,如圖1所示[16-17]。激勵線圈從中心圓處呈輻射狀向四周螺旋展開,在激勵線圈的螺旋線間隔內(nèi)分布著環(huán)狀感應(yīng)線圈。激勵線圈中通以激勵電流I,用于在傳感器監(jiān)測空間內(nèi)產(chǎn)生激勵磁場,環(huán)狀感應(yīng)線圈用于感應(yīng)激勵磁場在監(jiān)測空間內(nèi)的反射場,而反射場跟傳感器監(jiān)測空間內(nèi)的電磁特性參數(shù)和空間邊界條件緊密相關(guān)。結(jié)構(gòu)的損傷伴隨著結(jié)構(gòu)電磁特性參數(shù)和邊界條件的改變,在其他條件不變的情況下,當(dāng)結(jié)構(gòu)損傷到達感應(yīng)線圈1的檢測區(qū)域時,感應(yīng)線圈1輸出信號發(fā)生變化,當(dāng)結(jié)構(gòu)損傷到達感應(yīng)線圈2的檢測區(qū)域時,感應(yīng)線圈2的輸出信號相應(yīng)地發(fā)生變化,通過檢測各感應(yīng)線圈的信號變化情況,就可以實現(xiàn)裂紋的定量檢測。相對于現(xiàn)有的結(jié)構(gòu)健康監(jiān)測技術(shù),花萼狀渦流傳感器具有諸多優(yōu)勢。比如電磁渦流的的非接觸式監(jiān)測能力保證了傳感器與被監(jiān)測結(jié)構(gòu)的松耦合集成方式,不需要通過直接(例如基于電位法的隨附損傷效應(yīng))或間接(例如基于Lamb波的壓電效應(yīng))的結(jié)構(gòu)傳遞方式將裂紋信息傳遞到傳感器中,使得傳感器與被監(jiān)測部件能夠在物理結(jié)構(gòu)上保證獨立性。同時傳感器的柔性平面制作工藝保證了傳感器與被監(jiān)測部件在結(jié)構(gòu)上的適應(yīng)性,且可以大大提高傳感器的一致性。此外,基于類似分段監(jiān)測的思路,通過傳感線圈的陣列化設(shè)計,將裂紋的定量識別轉(zhuǎn)化為各感應(yīng)線圈輸出信號的裂紋特征識別,大大降低了逆向算法的復(fù)雜性。

圖2 傳感器輸出信號中的裂紋特征

1.2 傳感器輸出信號中的裂紋特征

選取傳感器各感應(yīng)線圈的感應(yīng)電壓信號與激勵線圈的驅(qū)動電流信號之間的幅值比作為傳感器監(jiān)測輸出信號(為便于表述,在后續(xù)節(jié)中,將該輸出信號簡稱為幅值比)。將花萼狀渦流傳感器應(yīng)用于結(jié)構(gòu)疲勞裂紋的在線監(jiān)測,當(dāng)裂紋損傷進入某感應(yīng)線圈的檢測區(qū)域時,其幅值比信號開始增加(如圖2所示),隨著裂紋的擴展,幅值比信號持續(xù)增加。以幅值比信號開始快速增加的“拐點”為結(jié)構(gòu)表面裂紋前緣進入感應(yīng)線圈的特征點,依據(jù)陣列化感應(yīng)線圈所處的位置,即獲得裂紋的長度,顯然監(jiān)測曲線中“拐點”F的在線提取是裂紋在線定量識別的關(guān)鍵。

1.3 傳感器實際輸出信號的典型特征

將花萼狀渦流陣列傳感器應(yīng)用于金屬結(jié)構(gòu)疲勞裂紋的在線監(jiān)測時,受結(jié)構(gòu)應(yīng)力、振動等因素的影響,傳感器的實際輸出信號比較復(fù)雜,圖3～圖5為傳感器輸出信號的典型特征。

圖3 系統(tǒng)穩(wěn)定工作時傳感器輸出信號特征

圖4是系統(tǒng)處于穩(wěn)定工作狀態(tài)時的傳感器監(jiān)測數(shù)據(jù)趨勢及信號特征,可知在穩(wěn)定工作狀態(tài)下,監(jiān)測數(shù)據(jù)流變化趨勢較為平緩。出現(xiàn)裂紋特征后幅值比信號快速上升。同時實際監(jiān)測數(shù)據(jù)流的信噪比較低,信號的上下振蕩幅度跟數(shù)據(jù)流在裂紋特征點之后的上升幅度處于同一水平,這要求裂紋特征實時在線提取算法必須具有一定的抗噪能力。

系統(tǒng)處于啟動工作狀態(tài)時的傳感器監(jiān)測數(shù)據(jù)趨勢及信號特征如圖4所示,與圖3不同的是監(jiān)測數(shù)據(jù)流在系統(tǒng)啟動初始階段會呈現(xiàn)緩慢上升(上升監(jiān)測數(shù)據(jù)流未示出)或下降趨勢,這可能與傳感器激勵及感應(yīng)線圈溫度、系統(tǒng)組件中電子產(chǎn)品對環(huán)境溫度的適應(yīng)性及整體系統(tǒng)組件的匹配工作有關(guān)。

圖5 系統(tǒng)外部工作狀態(tài)改變時傳感器輸出信號特征

圖5是系統(tǒng)外部工作狀態(tài)改變時傳感器監(jiān)測數(shù)據(jù)趨勢及信號特征?？芍O(jiān)測系統(tǒng)在外部工作狀態(tài)改變時,如傳感器發(fā)生位置偏移、傳感器與系統(tǒng)之間的連接電纜受到較大幅度的振蕩、監(jiān)測系統(tǒng)工作環(huán)境溫度發(fā)生較大幅度的變化等,監(jiān)測數(shù)據(jù)流會發(fā)生瞬態(tài)階躍,而后趨勢平緩。同時,在實際監(jiān)測過程中發(fā)現(xiàn),監(jiān)測數(shù)據(jù)流中有時會發(fā)現(xiàn)不可預(yù)測的數(shù)據(jù)異常點,異常點處的幅值比信號明顯高于理論信號值,雖然該類型異常點出現(xiàn)的概率較低,但是裂紋特征模式實時在線提取算法也必須考慮之類異常點的處理。

2 裂紋特征模式在線提取算法

2.1 傳感器多通道監(jiān)測數(shù)據(jù)流的分析方式

監(jiān)測數(shù)據(jù)流裂紋特征模式在線提取問題類似于傳統(tǒng)的動態(tài)數(shù)據(jù)流實時趨勢分析問題。由于動態(tài)數(shù)據(jù)流自身的特點,要求數(shù)據(jù)流分析算法計算效率高,滿足實時性或近似實時性的需求,并且計算過程資源消耗少[18-19],這種要求限制了小波變換、奇異譜分析、神經(jīng)網(wǎng)絡(luò)等高級算法在動態(tài)數(shù)據(jù)流趨勢分析中的應(yīng)用,在現(xiàn)有常用的趨勢提取算法[20-21]中滑動窗口算法和外推式在線數(shù)據(jù)分割算法得到較為廣泛的應(yīng)用。滑動窗口(SW)算法是一種連續(xù)建模分析數(shù)據(jù)流分割算法。即在當(dāng)前已建立回歸模型的數(shù)據(jù)段基礎(chǔ)上,用新到達的每一數(shù)據(jù)擴充當(dāng)前數(shù)據(jù)段,并重新建立新的回歸模型。若該模型的擬合均方差大于預(yù)先給定的分割點閾值,則認(rèn)為新到達的數(shù)據(jù)為當(dāng)前數(shù)據(jù)段的分割點。而外推式在線數(shù)據(jù)分割(OSD)算法待到當(dāng)前數(shù)據(jù)序列達到一定長度時,才對其建立回歸模型;此后對于新到達的數(shù)據(jù),只將其代入已建立的模型,分析外推累積誤差。

花萼狀渦流傳感器監(jiān)測數(shù)據(jù)流裂紋特征模式的在線提取可參考SW和OSD算法,但與動態(tài)數(shù)據(jù)流實時趨勢分析所不同的是,傳感器監(jiān)測數(shù)據(jù)流裂紋特征在線提取不需要提取數(shù)據(jù)流在全部時間序列上的趨勢,而只需要在線提取特定的裂紋特征,即傳感器監(jiān)測數(shù)據(jù)流裂紋特征模式問題提取在某種意義上是一種濾波器設(shè)計問題?？紤]到單通道監(jiān)測數(shù)據(jù)流上的裂紋特征模式及裂紋特征點在全部監(jiān)測時間序列內(nèi)只會出現(xiàn)一次,本文中傳感器監(jiān)測數(shù)據(jù)流裂紋特征在線提取采取滑動窗口(SW)分析方式,如所圖6所示。

圖6 傳感器多通道監(jiān)測數(shù)據(jù)流的滑動窗口分析方式

在圖6中,窗口在多通道監(jiān)測數(shù)據(jù)流滑動,保證滑動窗口內(nèi)的數(shù)據(jù)為實時更新的數(shù)據(jù)流集,而裂紋特征的實時提取即是針對滑動窗口內(nèi)數(shù)據(jù)流集進行的。

2.2 裂紋特征的實時提取算法

在考慮實際監(jiān)測數(shù)據(jù)流的趨勢流向、信號特征以及算法對實時性的要求后,本文提出了一種基于最小二乘回歸的裂紋特征實時提取算法,算法的流程框架如圖7所示。

圖7 裂紋特征實時提取算法流程框架圖

在圖7中,針對新流入滑動窗口的數(shù)據(jù),首先進行異常點檢測,如果異常則剔除該異常點,重新滑動窗口;如果不是異常點,則對窗口內(nèi)的數(shù)據(jù)流進行最小二乘回歸分析,根據(jù)回歸參數(shù)及預(yù)定閾值分析數(shù)據(jù)流趨勢,平滑、緩慢上升或緩慢下降趨勢則重新滑動窗口,明顯的上升趨勢則從該新數(shù)據(jù)點開始進行遞推最小二乘回歸分析;根據(jù)每次回歸分析參數(shù)判斷此后數(shù)據(jù)流是否是持續(xù)上升,如果不是持續(xù)上升,可以判定該滑動窗口內(nèi)數(shù)據(jù)流的上升趨勢是由數(shù)據(jù)流發(fā)生瞬態(tài)階躍造成的,則繼續(xù)遞推至滑動窗口長度;如果判定是逐漸上升,則發(fā)現(xiàn)裂紋特征模式,同時鎖定該滑動窗口,對窗口內(nèi)數(shù)據(jù)流進行回溯分析,尋找裂紋特征點。圖中P1、P2、P3、P4、P5、P6各階段的子算法描述如下:

P1:滑動窗口長度為n,窗口內(nèi)數(shù)據(jù)流時間序列X=(x1,x2,…,xn),數(shù)據(jù)流的均值為μ,方差為σ,閾值h1。若xn+1≥h1·σ,數(shù)據(jù)異常,xn+1

P2:設(shè)X中數(shù)據(jù)流可用線性回歸模型描述,即x(t)=f(t,θ)+ε(t),t∈{1,2,…,n}。其中f(t,θ)=a·t+b為數(shù)據(jù)流的線性回歸模型,θ=[a,b]T為模型參數(shù)向量,ε(t)為獨立同分布零均值白噪聲,參數(shù)a為X的趨勢特征值。將數(shù)據(jù)流表示成向量形式X=[x1,x2,…,xn]T,則有X=Uθ+ε,其中ε為期望為0的隨機誤差向量。

(1)

以最小二乘法估計參數(shù)θ,即參數(shù)θ滿足min‖X-Uθ‖2,得

θ=(UTU)-1UTX=pq

(2)

其中,p=(UTU)-1,q=UTX。

P3:定義閾值h2,若a≥h2,滑動窗口內(nèi)數(shù)據(jù)流趨勢明顯上升,若a

P4:設(shè)滑動窗口內(nèi)子數(shù)據(jù)流Xm=[x1,x2,…,xm]T,其中m=2,3,…,n。根據(jù)P2算法,Xm和Xm+1的模型參數(shù)向量θm和θm+1滿足遞推關(guān)系。

(3)

式中:um+1=[m+1 1]

(4)

則

(5)

對式(3),根據(jù)矩陣反演公式有

(6)

(7)

結(jié)合式(3)、式(4)和式(7),得θm+1所滿足的遞推關(guān)系

(8)

P5:定義閾值h3和常數(shù)c

P6:Xk=[xn-k,xn-k+1,…,xn]T,k=1,2,…,n-1。定義閾值h4。若存在h4≥ak>0,則數(shù)據(jù)點xn-k+1即為裂紋特征點。

3 疲勞裂紋在線定量識別算法的有效性驗證

為驗證本文提出的損傷識別算法的有效性,搭建了疲勞裂紋在線監(jiān)測系統(tǒng)。通過MTS810疲勞試驗機來對試件施加特定的循環(huán)載荷,實現(xiàn)裂紋的擴展;激勵信號源由AFG3101信號發(fā)生器和寬帶功率放大器產(chǎn)生,用于驅(qū)動花萼狀渦流傳感器;六通道高速采集卡(NI PXI-5124)采集經(jīng)寬帶運算放大器放大后的傳感器輸出信號,并將數(shù)據(jù)流實時傳輸?shù)叫盘柼幚碛嬎銠C中;通過裂紋特征在線提取算法進行損傷的實時識別,檢驗算法的有效性。

本節(jié)進行了304不銹鋼和TC-4鈦合金試件的疲勞裂紋在線監(jiān)測試驗,如圖8所示。試驗中使用的傳感器為FA-2型四通道花萼狀渦流陣列傳感器,由于傳感器的感應(yīng)線圈較多,篇幅所限,文中僅以通道4為例,對304不銹鋼和TC-4鈦合金試件的疲勞裂紋特征點識別結(jié)果分別進行了分析,如圖9和圖10所示。

圖8 疲勞裂紋在線監(jiān)測試驗

圖9 304不銹鋼疲勞裂紋特征點識別結(jié)果(通道4)

在圖9中,滑動窗口在2 270采樣次數(shù)處識別出幅值比信號持續(xù)上升的裂紋特征,經(jīng)回溯識別出在2 230采樣次數(shù)處出現(xiàn)裂紋特征點,而實際裂紋特征點在2 200采樣次數(shù)處。在圖10中,滑動窗口在1 367采樣次數(shù)處識別出幅值比信號持續(xù)上升的裂紋特征,經(jīng)回溯識別出在1 359采樣次數(shù)處的裂紋特征點,而實際裂紋特征點在1 348采樣次數(shù)處。兩次裂紋特征點識別結(jié)果均有所滯后,但已基本滿足工程實際應(yīng)用的要求。實際使用中也可以通過降低算法閾值來減小滯后,但降低閾值大小會給算法的魯棒性帶來一定影響。在圖10中第100采樣次數(shù)處由于載荷改變出現(xiàn)信號階躍,而在線識別算法并沒有將其識別為裂紋特征,這也間接證明了本文算法的有效性。

4 結(jié)論

針對飛機金屬結(jié)構(gòu)裂紋在線定量監(jiān)測的需求,介紹了一種花萼狀渦流陣列傳感器,分析了傳感器感應(yīng)線圈輸出信號在裂紋擴展過程中的變化特點和規(guī)律,提出了基于裂紋特征在線提取的裂紋在線定量識別算法,并通過304不銹鋼和TC-4鈦合金的疲勞裂紋在線監(jiān)測對算法的有效性進行了驗證。研究表明:①基于花萼狀渦流陣列傳感器的金屬結(jié)構(gòu)裂紋定量監(jiān)測問題實質(zhì)上是各感應(yīng)線圈輸出信號的裂紋特征識別問題,即幅值比信號開始快速增加的“拐點”識別是實現(xiàn)裂紋定量識別的關(guān)鍵。②采用滑動窗口分析方式,對窗口內(nèi)數(shù)據(jù)流進行最小二乘回歸和遞推最小二乘回歸,依據(jù)回歸參數(shù)和閾值可以對裂紋特征進行有效識別,進而實現(xiàn)疲勞裂紋的在線定量監(jiān)測。

[1] Holger S,Henrik R. Structural Health Monitoring:A Contribution to the Intelligent Aircraft Structure[DB/OL]. http://www.ndt.net/article/ecndt2006/doc/Tu.1.1.1.pdf,2012-12-16.

[2]Goldfine. Damage Tolerance Using Adaptive Model-Based Methods[P]. United States:US 2004/022547 Al,2004.

[3]萬建國,朱紀(jì)軍,石立華,等. PVDF壓電薄膜在結(jié)構(gòu)監(jiān)測中的應(yīng)用初探[J]. 傳感技術(shù)學(xué)報,1998,11(1):18-24.

[4]張濤,李一博,王偉魁,等. 聲發(fā)射技術(shù)在罐底腐蝕檢測中的應(yīng)用與研究[J]. 傳感技術(shù)學(xué)報,2010,23(7):1049-1052.

[5]Roach D. Real Time Crack Detection Using Mountable Comparative Vacuum Monitoring Sensors[J]. Smart Structure and Systems,2009,5(4):317-328.

[6]Vladimir Zilberstein,Karen Walrath,Dave Grundy,et al. MWM Eddy-Current Arrays for Crack Initiation and Growth Monitoring[J]. International Journal of Fatigue,2003(25):1147-1155.

[7]耿榮生,景鵬,雷洪. 飛機主梁疲勞裂紋萌生聲發(fā)射信號的識別方法[J]. 航空學(xué)報,1996,17(3):368-372.

[8]袁慎芳,邱雷,王強,等. 壓電-光纖綜合結(jié)構(gòu)健康監(jiān)測系統(tǒng)的研究及驗證[J]. 航空學(xué)報,2009,30(2):348-356.

[9]戚燕杰,呂志剛,劉馬寶,等. 壽命無極限:飛機壽命管理的技術(shù)革命[J]. 中國民航大學(xué)學(xué)報,2011,29(1):52-57.

[10]丁華,何宇廷,焦勝博,等. 基于渦流陣列傳感器的金屬結(jié)構(gòu)疲勞裂紋監(jiān)測[J]. 北京航空航天大學(xué)學(xué)報,2012,38(12):1629-1633.

[11]丁華,何宇廷,杜金強,等. 花萼狀渦流傳感器及其飛機金屬結(jié)構(gòu)疲勞損傷監(jiān)測試驗研究[J]. 機械工程學(xué)報,2013,49(2):1-7.

[12]葉波. 多層導(dǎo)電結(jié)構(gòu)深層缺陷電渦流檢測和定量化評估研究[D]. 杭州:浙江大學(xué)控制科學(xué)與工程學(xué)系,2009.

[13]Smid R,Docekal A,Kreidl M. Automated Classification of Eddy Current Signatures during Manual Inspection[J]. NDT&E International,2006,38:462-470.

[14]Bernieri A,Ferrignao L,Laracca M,et al. Crack Shape Reconstruction in Eddy Current Testing Using Machine Learning Systems for Regression[J]. IEEE Transactions on Instrumentation and Measurement,2008,57(9):1958-1968.

[15]Khan T,Ramuhalli P. A Recursive Bayesian Estimation Method for Solving Electromagnetic Nondestructive Evaluation Inverse Problems[J]. IEEE Transcations on Magnetics,2008,44(7):1845-1855.

[16]焦勝博,丁華,何宇廷,等. 基于半解析模型的花萼狀渦流傳感器損傷監(jiān)測靈敏度分析[J]. 傳感技術(shù)學(xué)報,2013,26(2):205-210.

[17]丁華,何宇廷,杜金強,等. 渦流陣列傳感器半解析模型的直接FFT構(gòu)建方法[J]. 傳感技術(shù)學(xué)報,2012,25(7):968-972.

[18]Beringer J,Hullermeier E. Online Clustering of Parallel Data Streams[J]. Data and Knowledge Engineering,2005,58(2):180-204.

[19]周黔,吳鐵軍. 一種動態(tài)數(shù)據(jù)流的實時趨勢分析算法[J]. 控制與決策,2008,23(10):1183-1185.

[20]王永利,徐宏柄,董逸生,等. 基于低階近似的多維數(shù)據(jù)流相關(guān)分析[J]. 電子學(xué)報,2006,43(10):293-300.

[21]Sylvie C,Carlos G B,Catherine C,et al. Trends Extraction and Analysis for Complex System Monitoring and Decision Support[J]. Engineering Applications of Artificial Intelligence,2005,18(1):21-36.

Crack Quantitative Identification Algorithm of Rosette Eddy Current Sensor Array for Cracks Online Monitoring*

DUJinqiang,LIPeiyuan,HEYuting*,WUWei,DINGHua

(Aeronautics and Astronautics Engineering College,Air Force Engineering University,Xi’an 710038,China)

Considering that the inverse algorithm of traditional eddy current testing can not meet the requirements of real-time,on-line,and simplification in structure health monitoring,an rosette eddy current sensor array was present,the output characteristics of the sensor while crack propagating were analyzed,and a crack quantitative identification algorithm based on extraction of crack-characteristics was proposed. Then crack monitoring experiments of 304 stainless steel and TC-4 titanium alloy specimen were carried out to validate the effective of the algorithm. It was shown that the sliding window analysis mode could be employed in signal processing. The data stream within sliding window was processed by least square regression algorithm and recursive least square regression algorithm. Then the crack characteristics in data stream could be detected through regression parameters and threshold,and the crack length could be identified on-line quantitatively.

eddy current sensor array;quantitative identification algorithm;sliding window;crack characteristic;on-line monitoring

杜金強(1984-),男,博士研究生,講師,研究方向為飛機結(jié)構(gòu)健康監(jiān)控;

何宇廷(1966-),男,教授,博士生導(dǎo)師,研究方向為飛機結(jié)構(gòu)健康監(jiān)控。

項目來源:國家高技術(shù)研究發(fā)展計劃項目(2009AA04Z406)

2014-10-29 修改日期:2015-01-29

C:7230

10.3969/j.issn.1004-1699.2015.05.013

V215.5

A

1004-1699(2015)05-0684-06