[发明专利]一种基于集成学习的超高速撞击损伤的定量识别方法

说明书

本发明公开了一种基于集成学习的超高速撞击损伤的定量识别方法，包括以下步骤：获得损伤红外重构图像；定义平均相对温度特征、平均相对能量特征和平均温度梯度特征，对表征损伤区域热量情况的物理属性进行量化；度量损伤尺寸，对规则损伤进行尺寸特征提取；通过识别损伤的边缘轮廓来实现不规则损伤的尺寸特征量化提取；通过链码技术量化损伤区域的面积、重心、长短径和周长等形态特征实现不规则损伤的形态特征提取；引入集成学习的概念，对得到的不同子数据集进行损伤定量分析；本发明提出了一系列损伤量化指标，通过将这些量化指标作为特征构建集成学习网络，并建立相应的分类器，从而实现对超高速撞击损伤类型的定量识别。

技术领域

本发明属于航天器损伤检测评估技术领域，更具体地说，本发明涉及一种基于集成学习的超高速撞击损伤的定量识别方法。

背景技术

随着人类空间活动的增加，越来越多的人为的空间垃圾遗留在地球轨道上，它们和太空中自然存在的微小行星体等一同被称为空间碎片。特别是厘米级以下的微小空间碎片数量巨大、飞行速度极高且无法跟踪和规避，极易与在轨运行的各类航天器发生超高速碰撞，并导致航天器结构损伤、功能失效甚至解体，对航天器造成极大的安全隐患。微小空间碎片超高速撞击造成的损伤情况非常复杂，比如表面撞击坑、异物嵌入、内部层裂等不同撞击损伤类型。因此，实现对这类超高速撞击损伤的定量识别，对航天器的在轨风险评估预测以及地面维护保养都是非常重要的。

近年来，针对航天器的空间碎片超高速撞击损伤定量识别检测新技术得到飞速发展。其中，红外热成像方法广泛应用于航天器的地面/在轨损伤检测评估，其具有不损伤本体、快速高效等特性，能有效地解决传统损伤检测方法存在劳动强度大、周期长、效率低、安全性差等问题。更为关键的是，与普通采集的单帧红外重构图像不同，被测对象在主动或被动热激励条件下，利用红外热像仪采集被检测对象随时间变化的表面温度场变化信息，可以获得信息量更为丰富的红外重构图像序列数据。

利用PCA、ICA、GMM等方法对红外重构图像序列数据中混叠的瞬态红外热响应信号进行分离，得到解混后的混叠向量，从而获得混叠矩阵用于构造损伤观测矩阵(混叠矩阵的伪逆矩阵)，进而利用这些特征信息获取出能够强化撞击损伤特征的重构红外图像。然而，这些基本数据处理步骤只能突出并强化损伤区域，为检测人员获知初步的损伤位置和范围，但是却无法完成对复杂损伤类型的定量识别。为了能够为航天器提供更加完善和准确的损伤测试数据支撑，除了要判断出超高速撞击损伤的大致范围和位置，还需要进一步对复杂撞击损伤进行定量分析和分类识别。

为了准确描述超高速撞击造成的复杂损伤特征，提出了相应地量化公式用于计算损伤的物理特征属性以及形态特征属性，在此基础上，为了对不同类型损伤进行分类识别，根据所提出的量化属性建立分类器以达到损伤类型判断的目的。当前由于人们对数据分类的需求，因此存在大量的分类器，尽管任何一种分类器都能够应用于超高速撞击损伤类型的判断，但是每一个分类器都有局限性。对于相同的损伤数据集，不同分类器的损伤类型判断结果可能各不相同。即便是相同的分类器，由于参数选择的差异或者数据分布的不同，也有可能存在不同的判断结果。在这种情况下，通过采用集成学习方法组合多个单一分类器，能够得到比任意一个单一分类器更加准确的结果。因此，为了削弱分类器参数的设置对分类结果产生影响，同时提升损伤类型判断的准确性，本发明利用集成学习方法来判断超高速撞击损伤类型。

发明内容

本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。

为了实现根据本发明的这些目的和其它优点，提供了一种基于集成学习的超高速撞击损伤的定量识别方法，包括以下步骤：

步骤一、获取损伤区域的红外重构图像；通过红外热像仪获取的原始红外重构图像序列数据，获得航天器撞击损伤区域的红外重构图像；

步骤二、损伤物理特征属性的提取；分别定义平均相对温度特征、平均相对能量特征和平均温度梯度特征，对表征损伤区域热量情况的物理属性进行量化；