基于數(shù)據(jù)融合的結(jié)構(gòu)損傷識別.pdf

1、結(jié)構(gòu)服役期間由于受到使用荷載和各種突發(fā)性因素的共同影響，從開始就面臨著一個結(jié)構(gòu)損傷的問題。隨著結(jié)構(gòu)使用年限的增加，損傷不斷積累發(fā)展，當(dāng)損傷累積到一定程度會造成結(jié)構(gòu)抗力的衰減，降低結(jié)構(gòu)的安全性、適用性和耐久性，極端情況下還會導(dǎo)致整個結(jié)構(gòu)的破壞。所有這些都迫切要求采取科學(xué)的技術(shù)手段及方法對現(xiàn)役土木工程結(jié)構(gòu)及基礎(chǔ)設(shè)施進(jìn)行健康監(jiān)測，以便盡早發(fā)現(xiàn)損傷，及時采取有效地預(yù)防和修復(fù)措施。而損傷識別技術(shù)是其中最為關(guān)鍵性的環(huán)節(jié)，大力開展結(jié)構(gòu)損傷識別技術(shù)的研

2、究具有重要的理論價值和現(xiàn)實意義。在此背景下，本論文結(jié)合國內(nèi)外在結(jié)構(gòu)損傷識別領(lǐng)域的研究現(xiàn)狀，圍繞數(shù)據(jù)融合、小波分析和識別算法等問題進(jìn)行了研究，主要工作包括以下幾方面： (1)改進(jìn)多傳感器數(shù)據(jù)融合中的一致性算法。在對現(xiàn)有一致性算法用于多傳感器數(shù)據(jù)融合研究的基礎(chǔ)上，提出一種改進(jìn)算法。該算法計算簡單，能夠克服現(xiàn)有一致性算法中兩傳感器在測量精度不同時置信距離不同的缺點，并對支持矩陣進(jìn)行模糊化處理，避免了人為定義閾值帶來的主觀誤差。數(shù)值計算

3、表明此方法可獲得較好的融合結(jié)果，并且能夠有效地減小由于擾動因素造成地融合結(jié)果的誤差。 (2)提出融合同質(zhì)多傳感器數(shù)據(jù)信息的結(jié)構(gòu)損傷識別方法。從小波分析的Lipschitz指數(shù)出發(fā)，分析了白噪聲和損傷信號的小波系數(shù)模極大值多分辨分析的特點，闡述了小波降噪和信號奇異性識別原理。以結(jié)構(gòu)加速度響應(yīng)信號作為研究對象，應(yīng)用狀態(tài)空間法建立了結(jié)構(gòu)動力系統(tǒng)數(shù)學(xué)模型。通過對一個五層框架結(jié)構(gòu)的數(shù)值計算表明：不同位置的傳感器信號表征結(jié)構(gòu)損傷特性的能力是

4、不同的，每一傳感器只能描述其附近區(qū)域結(jié)構(gòu)的工作狀態(tài)；距離損傷位置相同的兩結(jié)構(gòu)層傳感器加速度響應(yīng)信號進(jìn)行對比，較低結(jié)構(gòu)層響應(yīng)信號對損傷的敏感性強于較高結(jié)構(gòu)層。若加速度傳感器數(shù)量有限，則應(yīng)盡量布置在較低層更有效；基于數(shù)據(jù)融合和小波多分辨分析提出的同質(zhì)多傳感器數(shù)據(jù)融合的結(jié)構(gòu)損傷識別方法，在部分傳感器性能降低(如受到噪聲污染)，甚至是完全失效的情況下，仍然能夠?qū)Y(jié)構(gòu)損傷做出正確判斷。 (3)基于小波包分解技術(shù)、“能量-損傷”特征提取和A

5、RT2強大的模式分類功能，提出一種結(jié)構(gòu)多損傷識別方法。通過數(shù)值分析比較了結(jié)構(gòu)在不同損傷工況下，各層加速度響應(yīng)信號和融合后的加速度響應(yīng)信號頻帶能量變化的分布，認(rèn)為以融合計算后信號頻帶能量變化構(gòu)造的特征向量對結(jié)構(gòu)不同損傷工況更敏感。采用基于自適應(yīng)共振理論的ART2神經(jīng)網(wǎng)絡(luò)作為模式識別工具，并利用改進(jìn)的ART2算法將網(wǎng)絡(luò)輸入矢量范圍拓展到整個平面。五層框架結(jié)構(gòu)的數(shù)值計算表明，該方法能夠用于結(jié)構(gòu)多損傷識別，且具有較強的魯棒性、穩(wěn)定性和適應(yīng)性。

6、 (4)采用分步識別的思想，構(gòu)建耦合神經(jīng)網(wǎng)絡(luò)的三級損傷識別模型。第一級識別是利用ART2神經(jīng)網(wǎng)絡(luò)確定有損傷的層，并采用主成分分析方法對網(wǎng)絡(luò)高維輸入變量降維，使得特征向量能夠包含盡可能多的損傷信息，同時向量維數(shù)盡可能少；利用 GA-BP 神經(jīng)網(wǎng)絡(luò)在有損傷的層內(nèi)確定損傷桿件為第二級識別；利用GA-BP神經(jīng)網(wǎng)絡(luò)確定損傷桿件的損傷程度為第三級識別。在GA-BP網(wǎng)絡(luò)中，利用遺傳算法搜索最佳的BP網(wǎng)絡(luò)結(jié)構(gòu)，并采用帶有附加動量因子的自適應(yīng)BP算

7、法，改善標(biāo)準(zhǔn)BP算法存在的一些缺陷。以ASCE提出的基準(zhǔn)結(jié)構(gòu)為數(shù)值算例，計算多個損傷工況下結(jié)構(gòu)的加速度響應(yīng)信號作為分析對象，驗證了耦合神經(jīng)網(wǎng)絡(luò)三級損傷識別方法。 (5)模型結(jié)構(gòu)損傷識別試驗研究?；诜植阶R別的耦合神經(jīng)網(wǎng)絡(luò)模型和分區(qū)融合思想，構(gòu)建了結(jié)構(gòu)損傷識別的數(shù)據(jù)融合模型。利用同質(zhì)加速度傳感器采集模型結(jié)構(gòu)響應(yīng)信號，構(gòu)造對損傷敏感的特征向量，驗證了本文提出的結(jié)構(gòu)損傷識別方法；另外分別利用加速度傳感器和光柵光纖應(yīng)變傳感器采集結(jié)構(gòu)的動