邱 雷， 房 芳， 袁慎芳， 梅寒飞

(南京航空航天大学机械结构力学及控制国家重点实验室 南京，210016)

引 言

结构健康监测技术(structural health monitoring，简称SHM)能够在线监测结构健康状态，对结构损伤及剩余寿命进行预测和估计，最终保障飞行器结构安全并降低维护成本[1-2]。近年来，SHM技术已由早期理论研究逐渐转向工程应用研究[3-4]。在众多的SHM技术中，基于导波的SHM技术具有监测面积大、对小损伤敏感等优点[5-7]，是一种很有应用前景的重要SHM技术。

在实际工程应用中，SHM技术要面临相比实验室条件更加复杂的服役环境。随时间变化的温湿度、边界条件、随机振动及疲劳载荷等环境因素会直接影响SHM传感器、监测系统等的输出信号特征[8]，这些影响要比结构损伤对导波信号的影响还要剧烈，使得损伤诊断无法可靠进行。因此，保证时变环境下损伤监测的可靠性是该技术实际应用时的一个重要关键问题。一些学者提出诸如环境因素补偿[9]、监测基准优化[10]等方法，但这些方法在实际应用过程中都存在一定的局限性，如环境因素补偿方法目前仅能对单一温度因素进行补偿，而监测基准优化方法目前只在简单结构上得到验证。由于时变服役环境对信号的影响体现出很强的不确定性和非线性，故有研究在SHM中应用了概率统计模型来应对时变问题的不确定性。

在概率统计模型中， GMM是一种有限混合概率模型，可在无先验知识的前提下通过多个高斯分量的加权组合逼近复杂随机变量的概率分布，被广泛应用于图像分割和语音识别等领域[11]。……