[发明专利]一种基于MCD异常点检验算法的多维动力指纹损伤识别方法

权利要求书

1.一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，其特征在于：包括以下步骤：

S01，选取多个动力指纹，基于动力指纹损伤前后变化构造动力指纹变化特征向量；

S02，对每一特征向量进行标准化，得到标准化特征向量；

S03，将所有单元特征向量作为多维随机总体，迭代搜索所有样本容量为h的子样本，得到具有最小协方差行列式且样本容量为h的子样，以该子样估计总体均值和协方差矩阵，包括如下步骤：

Step1，采用蒙特卡洛算法，使用均匀分布，随机选择样本容量为h的子样本，h的数值在n/2和n之间，n为结构单元数目；

Step2，计算以该子样本的均值μ_old和协方差矩阵S_old，并计算各点的Mahalanobis距离d(X_i)

Step3，将距离d(X_i)从小到大排序，设

d(π(1))≤d(π(2))≤…≤d(π(n))

其中π(i)，i＝1，2，...n为某个标准化后动力指纹特征向量；

Step4，取距离较小的h个样本、构造新的样本容量为h的子样本H_new

H_new＝{π(1)，π(2)，…，π(h)}

基于H_new计算该子样本均值μ_new，子样本协方差矩阵S_new；

Step5，若det(S_new)＜det(S_old)转到Step2，若det(S_new)＝det(S_old)，行列式已达到最小，终止循环，得到μ_MCD＝μ_new，S_MCD＝S_new，μ_MCD为MCD方法得到总体均值的估计，S_MCD为MCD方法得到总体协方差估计；

S04，根据总体均值和协方差矩阵估计，计算MCD方法下各特征向量的Mahalanobis距离，S04中Mahalanobis距离具体计算方法如下：

S05，将所得Mahalanobis距离与阈值比较找出异常点，即为损伤单元，阈值由显著水平和动力指纹变化量个数决定，设显著性水平为a，动力指纹变化量个数为t，则该阈值为损伤点判别标准为：

2.根据权利要求1所述的一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，其特征在于：S01中，选取两个或两个以上动力指纹，动力指纹包含振型、曲率模态、柔度矩阵、刚度矩阵、应变模态、模态应变能指标，这些指标通过实测数据计算得到。

3.根据权利要求2所述的一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，其特征在于：S02中，特征向量的标准化过程采用最大最小标准化方法：

其中x为所选动力指纹损伤前后变换量；x_min为所选动力指纹损伤前后变换量最小值；x_max为所选动力指纹损伤前后变换量最大值；y为所选动力指纹损伤前后变换量标准化后数据；

特征向量记为{SX_i}，标准化特征向量记为{X_i}，其中i＝2，3，...n，n为结构单元数目。