[发明专利]一种用于检测装备在毁灭性碰撞时承载能力的原位无损检测方法

说明书

本发明提出一种装备在毁灭性碰撞时承载能力的原位无损检测方法，其借助人工智能，在无损检测与毁灭性碰撞这两个量级与性质均截然不同的变形层次之间，建立起特殊联系机制。即基于机器学习理论，在装备的特征参数与毁灭性碰撞时装备的承载能力之间，建立一个人工智能的AI模型，用基于结构动力识别方法的无损检测方法获取装备的特征参数，再借助AI模型，获取毁灭性碰撞时装备的承载能力，实现毁灭性碰撞时装备承载能力的原位无损检测。与现有技术相比，本发明技术方案的有益效果是：利用无损检测方法实现毁灭性碰撞条件下装备承载能力的原位无损检测。

技术领域

本发明涉及无损检测领域，更具体地，涉及一种用于检测装备在毁灭性碰撞时承载能力的原位无损检测方法。

背景技术

装备在毁灭性碰撞时的承载能力决定着装备在抵抗外界入侵物体打击时的安全防护能力，如汽车、列车、飞机、公路交通安全设施等的碰撞安全防护能力，卫星、航母、舰艇、坦克、装甲车、大型水坝、核电设施等抵抗导弹等外部物体打击的能力，这些都是装备在毁灭性碰撞时承载能力的例子，对装备在毁灭性碰撞时承载能力的检测，目前只有实物试验这一方法，但试验周期长、成本高、试验次数受限，且难以实现原位检测。

无损检测适合原位检测，但无损检测的非破坏性，使其只能检测微小变形时的特征参数，但毁灭性碰撞时装备的承载能力是含大位移、大转动的弹塑性大变形时的特征参数，现有无损检测方法不能检测弹塑性大变形时的特征参数。

无损检测与毁灭性碰撞，分属量级与性质均截然不同的两个变形层次，至今尚未提出揭示这两个层次映射关系的数学/力学理论。显然，只有建立起这两个层次之间的映射关系或特殊联系机制，才能通过无损检测得到的特征参数，获取毁灭性碰撞时的特征参数。蓬勃发展的人工智能具备建立这类特殊联系机制的潜力，从而为毁灭性碰撞时装备承载能力的无损检测指明了发展新方向。本发明正是在这一背景下应运而生的。

发明内容

针对现有无损检测方法不能检测弹塑性大变形时的特征参数的现状，本发明提出一种用于检测装备在毁灭性碰撞时承载能力的原位无损检测方法，实施步骤如下：

S1：制定用于构造AI模型的样本装备试验规划；

S2：基于结构动力识别方法获得装备的动力学特征参数，基于量具测量得到装备的结构尺寸等物理参数，装备的动力学特征参数与结构尺寸等物理参数共同构成样本装备的特征参数；

S3：利用碰撞试验平台，基于毁灭性碰撞试验，获取样本装备在毁灭性碰撞时的承载能力；

S4：基于机器学习理论，以S2与S3的结果作为训练样本，建立以S2的结果为输入、S3的结果为输出的AI模型；

S5：基于AI模型的预测结果与实物试验结果，构造出误差集，针对误差集，利用主元法确定AI模型在给定置信度下的置信区间；

S6：对待测装备，基于结构动力识别方法获得装备的动力学特征参数，基于量具测量得到装备的结构尺寸等物理参数，先将装备的动力学特征参数与结构尺寸等物理参数共同构成样本装备的特征参数，再借助AI模型，获取待测装备在毁灭性碰撞时的承载能力及其置信区间。

优选地，步骤S1中样本装备试验规划，是在单因素分析的基础上，针对敏感因素及其有效取值区间，采用正交试验表制定的，正交表中的各因素及水平，包括各种典型的使用环境条件对应的物理参数与力学参数以及装备的代表性型号对应的关键几何参数。

优选地，步骤S2中获取的特征参数，其装备的结构尺寸等物理参数是由量具测量得到的，量具是经过标定/校准的。其动力学特征参数是利用力锤激振法对装备实施激振后，利用传感器拾取装备测点的动力响应，再利用结构动力识别方法，识别出结构动力学模型的动力学特征参数。其中，拾取装备测点的动力响应采用数字滤波方式通过低通滤波软件滤除了干扰信号，力锤与传感器是经过标定/校准的。