1.一种基于贝叶斯更新和吉布斯采样的超声导波多损伤识别方法，其特征在于：所述方法包括以下步骤：步骤一、进行超声导波检测，布置三个传感器，获得与损伤有关的残余信号，对每个传感器的残余信号进行复小波变换获得M个损伤直接散射的M个传播时间ToF；步骤二、取出三个传感器中每个传感器的某一ToF进行组合，获得一个3×1的ToF向量，从而确定一个可能的损伤位置参数(x m ,y m )；将三个传感器接收的多个ToF值进行组合，可获得M个3×1的ToF向量，从而获得各组合方式对应的M个3×1的ToF向量；步骤三、对非线性损伤定位模型基于损伤位置参数(x m ,y m )和传播速度的倒数v各进行一阶线性化处理，获得ToF与各个参数的线性模型；所述非线性损伤定位模型是TOF与损伤位置参数(x m ,y m )和传播速度的倒数v的关系函数；步骤四、根据贝叶斯定理，基于ToF与各个参数的线性模型无信息先验分布，获得损伤位置参数(x m ,y m )和传播速度的倒数v各参数的条件线性模型的student-t后验条件概率分布，其中对应的超参数均进行了边缘化处理；步骤五、基于步骤四中各参数的后验条件概率分布，代入步骤二中每一组合获得的M个3×1的ToF向量，进行吉布斯采样N次循环，获得M个ToF向量下损伤位置参数(x 1 ,y 1 ,…,x M ,y M )和传播速度的倒数v的相关随机样本，对于N个后验样本点，计算损伤位置参数(x 1 ,y 1 ,…,x M ,y M )样本点的方差以量化后验不确定程度；步骤六、对步骤二中的各ToF组合方式对应的M个3×1的ToF向量基于步骤五的吉布斯采样过程获得样本点并计算样本方差，根据方差最小的采样结果判断正确的损伤位置；所述步骤三具体为：当采用脉冲回波方式时，需进行线性化的非线性多参数的损伤定位模型为：其中(x m ,y m )为第m个损伤位置；c g 为超声导波的传播速度；v为传播速度c g 的倒数； 为第i个传感器的位置；t i,m 为从第i个传感器获得的残余信号中提取对应第m个损伤的ToF；基于所述损伤定位模型进行线性化处理，获得以下线性模型：t i,m (v)＝l i (x m ,y m )v；t i,m (x m )≈m i (v,y m )+n(v,y m )x m ；t i,m (y m )≈p i (v,x m )+q i (v,x m )y m ,m＝1,...,M,i＝1,...,3其中l i 、m i 、n、p i 和q i 均表示线性化系数；引入零均值的高斯预测误差项，获得每个传感器ToF组合数据t m ＝[t 1,m ,t 2,m ,t 3,m ]基于传播速度的倒数v,损伤位置参数x m 和y m 的似然函数。
2.根据权利要求1所述的方法，其特征在于：所述步骤四具体为：根据贝叶斯定理，基于步骤三中的似然函数，再结合无信息先验分布，并对预测误差参数进行边缘化处理，求出传播速度的倒数v,损伤位置参数(x 1 ,y 1 ,…,x M ,y M )的后验条件概率分布：其中α j ,a j ,b j ,j＝v,x,y为各模型参数的超参数； 是后验分布的均值，a j ,b j 对应于j参数的条件线性模型的常数项和一次项系数，μ j 为j参数的先验均值；2s j ＝2a j +K是student-t分布的自由度，K为t的维度； 是student-t分布的尺度的平方；由此基于总ToF向量T＝(t 1 ,...,t M )进行贝叶斯更新获得了其后验概率分布；对于超参数α j ,a j ,b j ,j＝v,x,y，采用迭代的方法获取超参数的后验概率最大值 有：
3.根据权利要求2所述的方法，其特征在于：在步骤五中，基于步骤四中的条件后验分布，对步骤二中的每一种ToF组合下的M个ToF向量分别进行Gibbs采样，获得与损伤位置相关的样本：...循环采样N次，得到联合后验分布的采样点，去除前面‘burn in’段的采样点后，计算剩余样本点的方差。
4.根据权利要求3所述的方法，其特征在于：所述步骤六具体为：代入步骤二中的各组合方式对应的M个3×1的ToF向量，基于步骤五的吉布斯采样过程获得样本点，并计算对应的样本方差；若某种分组方式获得的传播速度样本点不符合实际传播速度先验信息对应的区段，则该分组方式对应的识别损伤位置判定为错误；删去错误分组方式后，方差最小的分组方式，表明损伤识别的可靠性最大，判定为实际损伤识别的结果。
5.根据权利要求1所述的方法，其特征在于：所述组合方式共有(M！) 2 种组合方式。
