技术领域
[0001] 本发明涉及结构损伤感知领域，尤其涉及基于组合型发光智能蒙皮的轨道结构损伤识别方法与系统。
相关背景技术
[0002] 智能蒙皮是进行易损结构应力分布感知和早期损伤发生及发展情况复现的有力工具。作为结构健康监测的一项新型重要技术，智能蒙皮具有重量轻、覆盖面广和柔性好等特点。关于智能蒙皮的研究非常丰富，然而主要聚焦于大规模电路和引线设计、制造及电学智能蒙皮的性能提升。传统智能蒙皮主要依赖大规模电路和引线设计和制造的缺点，对于列车、钢轨等动态受载的铁路设施，这类智能蒙皮的适用性大大降低。
[0003] 因此，如何基于智能蒙皮便捷地检测轨道交通结构的损伤是当前亟待解决的问题。
具体实施方式
[0053] 应当理解，此处所描述的具体实施案例仅仅用以解释本申请，并不用于限定本申请。
[0054] 本申请实施例的主要解决方案是通过获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像；通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像；通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值；将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据；对所述应变数据进行分析，得到所述轨道结构的损伤检测结果。基于本方案，实现了基于智能蒙皮的轨道结构损伤检测及预警，达到了便捷、有效地检测轨道结构的早期损伤。
[0055] 具体地，参照图1，图1为本申请基于组合型发光智能蒙皮的轨道结构损伤识别装置所属终端设备的功能模块示意图。该基于组合型发光智能蒙皮的轨道结构损伤识别装置为基于终端设备的、能够便捷地检测物体损伤、从而预警给相关人员的装置，其可以通过硬件或软件的形式承载于终端设备上。
[0056] 在本实施例中，该基于组合型发光智能蒙皮的轨道结构损伤识别装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
[0057] 存储器130中存储有操作系统以及基于组合型发光智能蒙皮的轨道结构损伤识别程序，基于组合型发光智能蒙皮的轨道结构损伤识别装置可以通过获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像；通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像；通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值；将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据；对所述应变数据进行分析，得到所述轨道结构的损伤检测结果等信息存储于该存储器130中；输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等，通过通信模块140与外部终端设备或服务器进行通信。
[0058] 其中，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序，基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时实现以下步骤：
[0059] 获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像；
[0060] 通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像；
[0061] 通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值；
[0062] 将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据；
[0063] 对所述应变数据进行分析，得到所述轨道结构的损伤检测结果；
[0064] 所述自适应多任务稀疏数字图像相关模型中A是基准裂纹特征矩阵，Y是所述损伤单元区域图像的特征矩阵，C是稀疏相关性映射矩阵，包含了基准裂纹特征矩阵A与所述损伤单元区域图像的特征矩阵Y的相关性系数，λ是自适应调节因子，k是迭代步序号，所述自适应多任务稀疏数字图像相关模型公式如下所示：
[0065]
[0066] st.C≥0
[0067]
[0068] 所述智能蒙皮标定函数模型中T是环境温度，P是背景光强度，ΔLk是第k步的光强度变化量，Δtk是第k步的时间增量，Δξk是是第k步应变数据的变化量，所述智能蒙皮标定函数模型公式如下所示：
[0069] Δξk＝C1(T，P)(Δtk+log|ΔLk+Δξ(k‑1)|‑log|Δξ(k‑1)|)+C2(T,P)(ΔLk+logΔtk|)+C3(T，P)(ξ(k‑1)‑ξ(k‑1)ΔLk‑log|ξ(k‑1)ΔLk|)+C4(T，P)；
[0070] 所述智能蒙皮包括基底层，基底层为柔性材料，带有周期性分隔；表封层，表封层设于基底层的一侧，并与基底层围合呈容腔；感应层，感应层设于容腔内，为力致发光材料。
[0071] 进一步地，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时还实现以下步骤：
[0072] 根据所述单元区域图像，提取单元区域图像特征；
[0073] 通过聚类算法，将所述单元区域图像特征聚集为若干个不同类的单元区域图像特征集；
[0074] 从所述若干个不同类的单元区域图像特征集中筛选出所述损伤单元区域图像。
[0075] 进一步地，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时还实现以下步骤：
[0076] 获取若干组不同预设温度和不同预设背景光强度下所述损伤感应位置对应的发光值；
[0077] 从所述若干组不同预设温度、不同预设背景光强度和对应的发光值中选取任一组数据，建立所述损伤感应位置的温度、背景光强度与对应的发光值的第一函数关系；
[0078] 根据所述若干组不同预设温度、不同背景光强度和对应的发光值，依次对所述第一函数关系进行校准，得到智能蒙皮标定函数模型。
[0079] 进一步地，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时还实现以下步骤：
[0080] 对所述应变数据进行损伤及趋势变化分析，得到所述应变数据的分析结果；
[0081] 将所述分析结果与风险评价指标阈值进行对比，得到所述轨道结构的损伤检测结果。
[0082] 进一步地，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时还实现以下步骤：
[0083] 根据所述轨道结构的损伤检测结果执行对应的超标损伤预警。
[0084] 进一步地，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时还实现以下步骤：
[0085] 通过所述高速相机，获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像。
[0086] 进一步地，存储器130中的基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时还实现以下步骤：
[0087] 通过回归建模和/或曲线拟合的方式建立所述损伤感应位置的温度、背景光强度与对应的发光值的第一函数关系。
[0088] 基于上述终端设备架构但不限于上述架构，提出本申请方法实施例。
[0089] 参照图2，图2为基于组合型发光智能蒙皮的轨道结构损伤识别方法第一示例性实施例的流程示意图。应用于基于组合型发光智能蒙皮的轨道结构损伤识别系统，所述基于组合型发光智能蒙皮的轨道结构损伤识别系统至少包括力致发光材料和周期性网格单元结构的智能蒙皮、高速相机、损伤识别模块，所述基于组合型发光智能蒙皮的轨道结构损伤识别方法包括以下步骤：
[0090] 具体地，智能蒙皮包括基底层，基底层为柔性材料，带有周期性分隔；表封层，表封层设于基底层的一侧，并与基底层围合呈容腔；感应层，感应层设于容腔内，为力致发光材料，是一种传感器。基于力致发光材料和周期性网格单元结构且具有强耐候性的应力分布智能蒙皮，其中，周期性网格单元结构可以为蜂窝状的网格单元，网格单元的边界有助于感知和区分信号、定位轨道结构的损伤位置，增强智能蒙皮的延展性，周期性网格单元结构和表皮封层设计用于增强智能蒙皮的实用性和耐候性。智能蒙皮可有效避免大规模信号引线的设计和制造问题，并且可实现铁路轨道应力分布变化、疲劳裂纹的早期识别及扩展恶化情况的跟踪与复现。高速相机包括近红外相机、日盲紫相机、高光谱相机，支持日间和夜间蒙皮发光情况拍摄。其中，近红外相机与日盲紫相机比普通相机在白天拍摄时更具优势。
[0091] 相机的搭载装置上可设置振动传感器。当轨道受到不同的列车载荷时，通过振动传感器检测轨道振动情况，当振动超过阈值时，表示车即将经过被测区域，高速相机启动拍摄。在被测区域智能蒙皮受到应力和应变量不同，会发出不同波长、不同强度的光，此时能拍摄到智能蒙皮覆盖的轨道结构的若干张单元区域图像，以便后续根据单元区域图像不同位置的发光强度判定损伤感应位置及损伤程度；可选的，被测对象一般为钢轨等结构。
[0092] 步骤S120，通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像；
[0093] 具体地，聚类算法可以对单元区域图像进行分类，根据图像特征的不同，将相似特征的图像分类到一起，由于损伤单元区域图像和未损伤单元区域图像的图像特征不同，因此通过聚类算法可以很好的把他们区分开来。
[0094] 步骤S130，通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值；
[0095] 具体地，由于智能蒙皮是采用的蜂窝状周期性网格单元结构的基底，因此可以将单元区域图像划分为周期性单元并分别提取对应的图像特征数据，由于智能蒙皮受到结构损伤位置的应变量不同，会发出不同波长的光，即可根据图像特征数据识别出每个周期性单元中的损伤特征数据对应的损伤感应位置，合并后，最终确定整个检测单元区域图像的损伤感应位置和对应的发光值。其中，单元区域图像的周期性单元可划分成更多细小网格，可更精细地确定整个检测单元区域图像的损伤感应位置和对应的发光值。
[0096] 所述自适应多任务稀疏数字图像相关模型中A是基准裂纹特征矩阵，Y是所述损伤单元区域图像的特征矩阵，C是稀疏相关性映射矩阵，包含了基准裂纹特征矩阵A与所述损伤单元区域图像的特征矩阵Y的相关性系数，λ是自适应调节因子，k是迭代步序号，所述自适应多任务稀疏数字图像相关模型公式如下所示：
[0097]
[0098] st.C≥0
[0099]
[0100] 求解目标是通过求解Ck这个稀疏相关性映射矩阵，使得目标函数第一项和第二项最小化。由于裂纹在整个被测图像上的稀疏性，获取到的单元区域图像的图像特征矩阵中只有一部分与基准裂纹特征库具有强相关性，导致Ck中相应的元素取大值。Ck的初值是0矩阵，当轨道结构受损、获取到的单元区域图像的图像特征矩阵有异常时，Ck中对应于裂损位置的元素获得大值，其它位置保持0或接近于0。
[0101] 在本方案中需要求解稀疏正则化的优化问题，但稀疏正则化问题的求解往往没有解析解，而且求解比非稀疏正则化要困难，本方案中求解C的最优值的方法可以是快速迭代软阈值算法或预测校正原始对偶路径跟踪算法，能高效率地获得准确和鲁棒性强的损伤识别结果。|ck+1‑ck|＜v为收敛条件，其中v为用户设置的收敛阈值，当满足这个收敛条件时，停止迭代过程，获得Ck最优解。
[0102] 当C和A都不是矩阵，而是单个列向量时，上述公式为单任务损伤识别目标函数。把多个列向量并列组成矩阵时，变为多任务损伤识别目标函数。如果没有稀疏约束，多任务损伤识别目标函数求解时容易产生这样的误报：将某列一个有损位置上的较大损伤识别为相邻列更多位置的较小损伤，在C中体现为将某列一个位置的大值错误地求解为相邻列多个位置的较小值。
[0103] 传统方法中λ是设定或选取的固定值，本方案中设计了通过数学表达式进行自动更新的自适应调节因子，用于获取目标函数中的第一项即为重构项和目标函数中的第二项即为稀疏约束项之间的平衡。如果重构项相对稀疏项太大，那么有可能将噪声或干扰信息重构进来，从而导致C中本应是0或接近于0的元素变成大值，导致误报；反之，如果稀疏约束项过大，那么可能导致解太过稀疏，即C中本应是大值的地方变成0或接近于0，导致漏报。通过设计这样一个自适应的调节因子，使得前后二项之间取得平衡，从而为C获得更准确的解，通过上述模型可以准确和高效率地识别局部损伤的位置。
[0104] 步骤S140，将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据；
[0105] 具体地，对所述损伤感应位置的采集的数据进行分析，从而得到智能蒙皮标定函数模型，采集的数据至少包括智能蒙皮检测对象时被高速相机捕获的损伤感应位置的背景光强度、检测时的环境温度、智能蒙皮的发光值。根据智能蒙皮标定函数模型，将已知的损伤感应位置和发光值带入上述模型，从而得到检测对象的损伤程度和损伤趋势，根据工业领域对不同结构损伤的判定标准，从而确定被测区域是否需要预警，如果需要，则对被测区域损伤位置进行预警。
[0106] 其中，预先得到的智能蒙皮标定函数模型是一个以发光值、之前时刻的应变值、温度和背景光为自变量，当前时刻的应变数据为因变量的函数，通过输入发光值和温度等自变量就可以计算出应变值，从而检测出被测结构损伤位置的应变数据，实现裂纹的早期识别及扩展恶化情况跟踪与复现，定量的评估损伤严重程度，避免因损伤进一步恶化为被测对象的持续安全运行留下隐患。
[0107] 所述智能蒙皮标定函数模型中T是环境温度，P是背景光强度，ΔLk是第k步的光强度变化量，Δtk是第k步的时间增量，Δξk是是第k步应变数据的变化量，所述智能蒙皮标定函数模型公式如下所示：
[0108] Δξk＝C1(T,P)(Δtk+log|ΔLk+Δξ(k‑1)|‑log|Δξ(k‑1)|)+C2(T,P)(ΔLk+log|Δtk|)+C3(T,P)(ξ(k‑1)‑ξ(k‑1)ΔLk‑log|ξ(k‑1)ΔLk|)+C4(T,P)。
[0109] 步骤S150，对所述应变数据进行分析，得到所述轨道结构的损伤检测结果。
[0110] 具体地，通过感知和记录损伤位置的应变数据的变化，实现对轨道结构裂纹的产生、发展和恶化的应变数据的复现和分析，从而确定出轨道结构损伤的程度。
[0111] 本实施例通过上述方案，具体通过获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像；通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像；通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值；将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据；对所述应变数据进行分析，得到所述轨道结构的损伤检测结果。基于本方案，通过获取智能蒙皮检测区域的发光图像并进行损伤识别，对被检测区域的应变数据进行分析，从而得到检测结果，对疲劳裂纹的扩展恶化情况进行预警，避免损伤进一步恶化，为被测对象的持续安全运行留下隐患。本实施例中的智能蒙皮相比于现有检测损伤区域的技术，无需大规模引线和电路的设计与制造的优点之外，对比硬质传感器及传感网络存在的安装位置要求高、附加质量重、体积大等诸多局限，这种传感器可灵活布置于曲面结构，具有重量轻、柔性好、形状可设计等优点。
[0112] 参照图3，图3为基于组合型发光智能蒙皮的轨道结构损伤识别方法第二示例性实施例的流程示意图，所述通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像的步骤包括：
[0113] 步骤S1201，根据所述单元区域图像，提取单元区域图像特征；
[0114] 具体地，由于智能蒙皮是包括了力致发光材料和周期性网格单元结构，因此基于周期性网格单元结构，将单元区域图像提取图像特征，得到了单元区域图像特征；智能蒙皮在检测区域所承受的机械应力和应变大小不同，发出的光的波长和强度也不同，对应提取到的单元区域图像特征也是不一样的。
[0115] 步骤S1202，通过聚类算法，将所述单元区域图像特征聚集为若干个不同类的单元区域图像特征集；
[0116] 具体地，根据发光波长和强度的不同，单元区域图像特征不同，将单元区域图像特征通过聚类算法划分，即可得到若干个不同类的单元区域图像的特征，此处划分便于后续识别异常的单元区域图像特征。
[0117] 步骤S1203，从所述若干个不同类的单元区域图像特征集中筛选出所述损伤单元区域图像。
[0118] 具体地，发光强度不同，光波长度不同，对应提取到的图像特征也是不一样，因此通过将预先设定的损伤图像的图像特征与上述步骤S1202得到的若干个不同类的单元区域图像特征进行匹配，识别异常单元区域图像特征。此时所识别到的异常区域特征为若干个单独的根据周期性网格单元结构划分的单元区域图像特征。
[0119] 本实施例通过上述方案，具体通过根据所述单元区域图像，提取单元区域图像特征；通过聚类算法，将所述单元区域图像特征聚集为若干个不同类的单元区域图像特征集；从所述若干个不同类的单元区域图像特征集中筛选出所述损伤单元区域图像。基于本方案，通过提取单元区域图像特征并识别异常单元区域图像特征，从而得到损伤位置和对应的发光值，为后续对确定损伤位置是否需要预警提供了数据支持。
[0120] 参照图4，图4为基于组合型发光智能蒙皮的轨道结构损伤识别方法第三示例性实施例的流程示意图，所述将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据的步骤之前，还需进行实验室标定，所述实验室标定步骤包括：
[0121] 步骤S1401，获取若干组不同预设温度和不同预设背景光强度下所述损伤感应位置对应的发光值；
[0122] 具体地，温度和背景光强度都可以影响采集到的智能蒙皮的发光值，因此对不同温度和背景光强度进行排列组合，先将温度设置为固定温度值，同时改变背景光强度，在不同的背景光强度下采集智能蒙皮的发光值；之后，改变上述温度并设置为固定值，同时按相同方式再次改变背景光强度，重复测试步骤，确保采集数据的准确性和全面性。其中的损伤感应位置的数据包括但不限于机械结构的应力及应变量、幅值，在所有相同结构试件的相同位置，设置相同的初始损伤，将智能蒙皮覆盖初始损伤并放在所有结构试件的相同位置，当智能蒙皮的发出不同强度的光时，通过所述高速相机，获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像，通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值。自适应多任务稀疏数字图像相关模型就是步骤S130中的函数。
[0123] 步骤S1402，从所述若干组不同预设温度、不同预设背景光强度和对应的发光值中选取任一组数据，建立所述损伤感应位置的温度、背景光强度与对应的发光值的第一函数关系；
[0124] 具体地，环境温度和智能蒙皮的背景光强度会影响相机采集到的智能蒙皮发光层发出光线强度，为保证检测结果的可靠性，需要采取一个固定温度，具体可以通过实验数据确定一个第一温度，保证稳定的发光效果，在此第一温度下，根据发光强度计算已知损伤感应位置的第一发光值。
[0125] 步骤S1403，根据所述若干组不同预设温度、不同背景光强度和对应的发光值，依次对所述第一函数关系进行校准，得到智能蒙皮标定函数模型。
[0126] 具体地，通过多次获取所述损伤感应位置在外部不同预设温度和背景光强度下对应的发光值，通过回归建模和/或曲线拟合等方式，建立上述三个因素的第一函数关系。具体地，为了确保第一函数关系的准确性，改变温度，在不同温度下将智能蒙皮覆盖相同初始损伤并放在所有结构试件的相同位置，当智能蒙皮的发光层发出不同强度的光时，使用步骤S1401中损伤感应位置和对应的发光值，确定出对应的函数关系。通过检测到多次不同温度的发光值的数据，检验上述第一函数关系，优化函数中参数，建立函数中的参数与温度的关联关系，对当前函数进行校准，最终得到智能蒙皮标定函数模型。此处的智能蒙皮标定函数模型即是上述步骤S130中的模型。
[0127] 本实施例通过上述方案具体通过，获取若干组不同预设温度和不同预设背景光强度下所述损伤感应位置对应的发光值；从所述若干组不同预设温度、不同预设背景光强度和对应的发光值中选取任一组数据，建立所述损伤感应位置的温度、背景光强度与对应的发光值的第一函数关系；根据所述若干组不同预设温度、不同背景光强度和对应的发光值，依次对所述第一函数关系进行校准，得到智能蒙皮标定函数模型。基于本方案，选取任一组数据建立对应的第一函数关系，然后进行校准，得到智能蒙皮标定函数模型，为通过智能蒙皮检测未知区域的损伤数据提供了可靠的计算依据。
[0128] 参照图5，图5为基于组合型发光智能蒙皮的轨道结构损伤识别方法第四示例性实施例的流程示意图，所述对所述应变数据进行分析，得到所述轨道结构的损伤检测结果的步骤包括：
[0129] 步骤S1501，对所述应变数据进行损伤及趋势变化分析，得到所述应变数据的分析结果。
[0130] 具体地，所述应变数据即轨道结构的损伤位置对应的应变数据，反应了被测对象的损伤程度，通过在不同时间点对所述损伤位置的应变数据进行分析，可得到被测结构的当前损伤程度和应变数据，识别疲劳裂纹，也可以根据不同时间点损伤位置的应变数据，对疲劳裂纹的扩展恶化情况进行跟踪与复现，从而准确分析出损伤的具体情况。
[0131] 步骤S1502，将所述分析结果与风险评价指标阈值进行对比，得到所述轨道结构的损伤检测结果。
[0132] 具体地，风险评价指标阈值可以是工业标准的风险评价指标阈值或通过实测数据标定出的应变趋势变化阈值或分布特征，通过将当前分析结果与风险评价指标阈值对比，可以确定当前被测对象的风险程度，从而得到损伤检测结果。
[0133] 步骤S1503，根据所述轨道结构的损伤检测结果执行对应的超标损伤预警。
[0134] 具体地，对轨道结构的损伤检测结果进行分析，超出风险阈值应进行超标损伤预警并告知相关人员，避免因损伤进一步恶化，为被测对象的持续安全运行留下隐患，具体预警方式在此不做限定。
[0135] 本实施例通过上述方案，具体通过对所述应变数据进行损伤及趋势变化分析，得到所述应变数据的分析结果；将所述分析结果与风险评价指标阈值进行对比，得到所述轨道结构的损伤检测结果。基于本方案，通过分析损伤位置的应变数据，从而判断出被测结构的损伤程度。
[0136] 此外，本申请实施例还提出一种基于组合型发光智能蒙皮的轨道结构损伤识别系统，所述基于组合型发光智能蒙皮的轨道结构损伤识别系统包括力致发光材料和周期性网格单元结构的智能蒙皮、高速相机、损伤识别模块，其中：
[0137] 所述高速相机，用于获取所述智能蒙皮覆盖的轨道结构的若干张单元区域图像；
[0138] 所述损伤识别模块，用于通过聚类算法，从所述若干张单元区域图像中筛选出损伤单元区域图像；通过预先得到的自适应多任务稀疏数字图像相关模型，对所述损伤单元区域图像进行深度识别，得到所述损伤单元区域图像的损伤感应位置和对应的发光值；将所述损伤单元区域图像的损伤感应位置和对应的发光值输入到预先得到的智能蒙皮标定函数模型，计算得到所述轨道结构的损伤位置的应变数据；对所述应变数据进行分析，得到所述轨道结构的损伤检测结果；
[0139] 所述自适应多任务稀疏数字图像相关模型中A是基准裂纹特征矩阵，Y是所述损伤单元区域图像的特征矩阵，C是稀疏相关性映射矩阵，包含了基准裂纹特征矩阵A与所述损伤单元区域图像的特征矩阵Y的相关性系数，λ是自适应调节因子，k是迭代步序号，所述自适应多任务稀疏数字图像相关模型公式如下所示：
[0140]
[0141] s.t.Ck≥0
[0142]
[0143] 所述智能蒙皮标定函数模型中T是环境温度，P是背景光强度，ΔLk是第k步的光强度变化量，Δtk是第k步的时间增量，Δξk是是第k步应变数据的变化量，所述智能蒙皮标定函数模型公式如下所示：
[0144] Δξk＝C1(T,P)(Δtk+log|ΔLk+Δξ(k‑1)|‑log|Δξ(k‑1)|)C2(T,P)(ΔLk+log|Δtk|+C3(T,P)(ξ(k‑1)‑ξ(k‑1)ΔLk‑log|ξ(k‑1)ΔLk|)+C4T，P)。
[0145] 此外，本申请实施例还提出一种终端设备，终端设备包括存储器、处理器及存储在存储器上并在处理器上运行的基于组合型发光智能蒙皮的轨道结构损伤识别程序，基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时实现基于组合型发光智能蒙皮的轨道结构损伤识别方法的步骤。
[0146] 由于基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
[0147] 此外，本申请实施例还提出一种可读存储介质，存储介质上存储有基于组合型发光智能蒙皮的轨道结构损伤识别程序，基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时实现基于组合型发光智能蒙皮的轨道结构损伤识别方法的步骤。
[0148] 由于本基于组合型发光智能蒙皮的轨道结构损伤识别程序被处理器执行时，采用了前述所有实施例的全部技术方案，因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果，在此不再一一赘述。
[0149] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0150] 上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
[0151] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，被控终端，或者网络终端设备等)执行本申请每个实施例的方法。
[0152] 以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
