基于改进SCAM算法的结构物理参数识别贝叶斯方法

针对贝叶斯估计中逐分量自适应Metropolis(single component adaptive Metropolis,SCAM)算法易生成重复性样本,导致抽样效率低、结果误差大等问题,重新定义了提议分布方差的表达式,提出了改进的SCAM算法,使得抽样样本序列构成的马尔可夫链相对稳定。进而将贝叶斯理论与改进的SCAM算法相结合,求解结构物理参数的后验边缘概率分布、最优估计值以识别和估计结构损伤,通过理论分析和结构数值模拟算例验证了改进的SCAM算法的有效性。结果表明,改进的SCAM算法既提高了抽样效率,又提高了计算结果准确性,可应用于物理参数识别及损伤识别与评估等工作。     

结构物理参数识别的贝叶斯估计马尔可夫蒙特卡罗方法

从结构动力特征方程出发,以结构主模态参数为观测量,推得结构物理参数线性回归模型。对该模型应用贝叶斯估计理论得到物理参数后验联合分布,再结合马尔可夫蒙特卡罗抽样方法给出各个物理参数的边缘概率分布和最优估计值,而提出了基于结构主模态参数的结构物理参数识别贝叶斯估计马尔可夫蒙特卡罗方法。对五层剪切型结构的数值研究表明,此方法能够利用少数主模态参数给出结构质量和刚度参数的概率分布和最优识别值,而且在主模态参数较准确时识别误差很小。     

基于Gibbs抽样的马尔科夫蒙特卡罗方法在结构物理参数识别及损伤定位中的研究

通过对结构动力特征方程进行的一系列变化,得到了线性结构识别模型,并由贝叶斯更新理论得到其后验分布形式.利用结构的模态参数,并考虑其随机性,应用基于Gibbs抽样的马尔科夫蒙特卡罗方法对线性结构识别模型中各参数的条件后验分布进行了抽样,成功地实现了结构物理参数识别及损伤定位.数值算例表明:Gibbs抽样结果可以以不同的方...     

基于图像动态识别技术的地震动参数快速判别方法EI北大核心CSCD

随着5G时代的到来,地震过程能通过密集分布的摄像头实时记录并快速传输处理,以动态图像的形式更直观地呈现出来。如能从中快速准确的提取地震动参数等数据,将会是地震资料的宝库,弥补地震台站布置密度的不足。通过振动台模拟地震过程,结合图像识别和结构动力学分析方法,提出一种基于图像动态识别技术的地震动参数快速判别方法。通过不同摄像头高度、波形和振动频率下的计算和实测加速度曲线对比分析,多数加速度峰值误差在40%以内,证明该方法具有应用推广价值,能为将来地震动分析工作提供另一层面的解决途径。     

基于多分辨率分析的结构物理参数识别贝叶斯估计方法:方法推导与验证

在观测噪声和模型误差等不确定性因素的影响下,结构物理参数识别问题是一个不确定性问题.针对此问题,该文从结构运动微分方程出发,利用小波多分辨率分析原理,建立结构多尺度动力方程,由该方程以结构激励和响应信息在多尺度上的细节信号和最大尺度上的概貌信号为观测量推得物理参数线性回归模型,对该模型应用贝叶斯估计理论得到物理参数后验...     

结合近似贝叶斯计算和改进群体蒙特卡洛抽样的结构损伤识别

为避免陷入低概率区抽样并提高抽样效率,改进了群体蒙特卡洛(PMC)抽样算法,再结合近似贝叶斯计算(ABC)和随机响应面(SRS)提出一种概率损伤识别方法。首先将ABC和改进PMC算法进行嵌套,利用每个迭代步的样本方差来搅动粒子群和求取自适应权重系数,再构造衡量仿真和实测样本间相似度的误差函数,用于替代似然函数;然后使用SRS建立结构随机响应的显式表达式,大幅提高响应统计特征值的计算效率;最后将求得的参数后验概率分布统计特征值作为损伤指标,根据损伤前后指标值的变化来判断损伤位置和程度。对试验钢筋混凝土梁的单、多工况损伤进行了识别,验证了所提出方法在保证参数后验分布估计精度的条件下,可以有效提高贝叶斯推断过程的计算效率。     

结构振动台模型模态参数识别新方法研究

提出了一种结构振动台模型模态参数识别方法,利用结构模型试验过程中地震反应记录,识别结构模型模态参数。首先判断结构模型在地震动激励下发生的是非时变反应还是时变反应,当结构模型发生非时变反应时,采用整个反应记录数据识别模型参数;当结构模型发生时变反应时,则识别模型进入和退出时变反应的时刻点,将整个记录时程分为3段,采用模型退出时变反应后第三段数据识别参数。该方法可以识别试验中每一次地震动输入之后的结构模态参数,得到整个试验过程中结构模型动力特性变化情况。利用所提方法识别了一座12层钢筋混凝土框架结构模型模态参数,并将识别结果和白噪声输入下模态分析结果进行了对比,验证了方法的实用性、可靠性和准确性。结果发现:结构模型自振频率在整个试验过程中呈阶梯状下降,模型发生破坏后,频率降低,阻尼比增加,传递函数幅值随着输入地震动峰值增加而降低。     

基于物理参数贝叶斯更新的桥梁剩余强度估计研究

考虑系统参数的随机性,将基于广义卡尔曼滤波的子结构法与贝叶斯更新方法相结合,提出了桥梁结构基于贝叶斯更新物理参数的剩余强度估计两步法:第一步,将子结构法与广义卡尔曼滤波算法相结合,成功识别出子结构及其相邻单元的物理参数;第二步,视识别出的结构物理参数为更新信息,对以蒙特卡罗仿真实验结果作为先验分布的参数进行贝叶斯更新并分别基于蒙特卡罗仿真参数和贝叶斯更新物理参数对结构进行了剩余强度估计。数值算例表明:基于贝叶斯更新物理参数估计得到的结构剩余强度明显低于基于蒙特卡罗仿真参数估计得到的结构剩余强度。该方法为测量响应信息不完备条件以及小样本抽样情况下桥梁结构剩余强度估计提供了一个较好的解决思路。     

基于无迹变换的结构载荷/参数联合识别的GDF法EI北大核心CSCD

结构动态载荷/参数联合识别是近些年结构动力学领域的研究热点,比如EGDF(extended Gillijns-De Moor filter)算法。EGDF算法的思想基于扩展卡尔曼滤波(EKF)的1阶线性化近似来处理系统中的非线性,影响识别精度;考虑到无迹变换(UT)能够有效地处理系统非线性问题,引入无迹变换,应用模态缩减法,将传统GDF(Gillijns-De Moor filter)法进行改进,形成了GDF-UT算法;另外,为了缓解GDF法中的载荷位移识别信号的虚假低频漂移现象,应用应变和加速度测量信号的融合策略拓展GDF-UT算法。以平面桁架结构为数值仿真对象,验证了该算法的有效性,相比于EGDF算法,该算法精度更高。     

基于VMD和Chirplet变换的结构损伤识别研究EI北大核心CSCD

为识别结构损伤位置及对损伤程度进行量化,提出了一种基于变分模态分解(variational mode decomposition,VMD)和Chirplet变换的结构损伤识别方法。采用VMD对结构振动响应信号进行分解得到模态分量,并利用Chirplet变换对模态分量进行时频分析,构建模态分量Chirplet变换能量指标识别损伤位置,利用Chirplet时频熵量化结构损伤程度。采用一个刚度变化的简支梁数值算例对所提方法进行验证,结果表明,无论单点损伤或多点损伤,所提方法均能准确识别结构的损伤位置并量化损伤程度。     

基于小波总能量相对变化的结构损伤识别EI北大核心CSCD

桥梁结构损伤伴随着服役期的增加而逐渐加深,寻找合适的损伤识别方法则是桥梁工作者必须面对的问题。通过对测点处动态响应信号进行离散小波变换,并计算各测点处的小波总能量,以结构未损伤状态为基准,提出了一种基于小波总能量相对变化的损伤识别方法,并以一两端固支梁为例,进行了损伤识别应用及有限元模型验证,结果表明,提出的损伤识别指标能够准确判断损伤的存在和定位损伤,且对损伤程度具有敏感性,对噪音污染、小波种类和分解尺度数有鲁棒性,并能够根据加速度、速度和位移信号的分析处理进行损伤判定,可用于桥梁结构的损伤识别。     

环境激励下挡土墙结构损伤识别及安全性评价EI北大核心CSCD

在役挡土墙结构在多因素作用下会出现损伤,而损伤即降低其安全性。为评价在役挡土墙结构的安全性,对环境激励下挡土墙结构动力响应间虚拟脉冲响应函数进行希尔伯特边际能量比谱分析,基于希尔伯特频段的损伤敏感性分析,创建识别挡土墙结构损伤的希尔伯特损伤特征向量和损伤指标;并以某在役桩板式挡土墙结构为试验对象,将行驶车辆引起的振动作为激励,并考虑环境温度和湿度的影响,对该挡土墙进行环境激励下的多次现场测试,通过损伤指标识别该挡土墙的损伤并评价其安全性。试验结果发现:在环境激励持续作用下,损伤指标值持续增长,挡土墙稳定系数逐渐减小,表明挡土墙的损伤在持续产生、损伤程度不断增大、安全性逐渐降低;而建立稳定系数与损伤指标间的定量关系可评价挡土墙的安全性;另外,温湿度对挡土墙损伤积累有较大影响,尤其是高温联合强降雨会加速挡土墙损伤的出现;因此,通过损伤指标不仅可识别挡土墙的损伤还可评价其安全性。     

利用声信号基于HHT方法识别螺旋桨模态参数EI北大核心CSCD

为了对螺旋桨的模态参数进行无接触式测量,首先基于声学边界元方法,建立了螺旋桨在冲击载荷作用下辐射声信号与模态参数之间的数学模型,该模型相比于已公开文献采用的模型,从理论上揭示了采样声信号不必须取自于结构近场。在此基础上,借助希尔伯特-黄变换(Hilbert-Huang transform, HHT)方法处理非平稳、非线性信号,对采样声信号进行处理来识别结构模态参数。以一螺旋桨缩尺模型为研究对象,分别采用数值模拟和试验手段对该方法的实用性和有效性进行了验证,并评估了环境噪声的影响程度。结果显示该方法能准确识别模态频率和阻尼比,且具有自适应频率分辨率,为工程上精细结构的模态参数识别提供一种新途径。     

基于扩展卡尔曼滤波（EKF）的结构动态物理参数识别

本文应用扩展卡尔曼滤波估计结构的动态物理参数，采用等效线性化原理识别结构的刚度系数和阻尼系数。并用识别的结果作为结构的参数对结构进行动力反应分析，计算结果与试验结果符合较好，表明EKF法是一种较好的识别结构动态参数的方法。     

基于模块化贝叶斯推理的随机非线性模型修正EI北大核心CSCD

为同时考虑多种不确定因素对非线性结构模型修正的影响,提出了一种基于模块化贝叶斯推理的随机非线性模型修正方法。为了描述具有时变特性的非线性动力响应,提取结构动力响应主分量的瞬时加速度幅值作为非线性指标,基于贝叶斯方法,将整个模型修正过程分为3个相互独立的模块:首先建立非线性模型的高斯过程替代模型记为模块一;同时,为考虑模型误差对非线性结构随机模型修正的影响,将设计变量作为输入,模型误差作为输出,建立关于模型误差的高斯过程替代模型,记为模块二;最后,结合贝叶斯推理方法与模块一和模块二中的高斯过程模型,利用过渡马尔可夫链蒙特卡罗(transitional Markov Chain Monte Carlo,TMCMC)随机采样方法估计待修正参数后验概率密度函数,实现基于模块化贝叶斯推理的随机非线性模型修正研究。采用三跨连续梁桥数值算例来验证所提出的随机非线性模型修正方法的准确性,并对比了不同噪声水平、不同程度模型误差条件下的模型修正结果。研究结果表明,基于模块化贝叶斯推理的随机非线性模型修正方法能够有效地实现非线性结构的随机模型修正,并具有较好的鲁棒性。     

基于推广卡尔曼滤波算法的结构模型的参数识别

近年来,在结构工程领域中出现了许多参数识别技术,并将这些技术用于结构损伤程度的评价。但是目前多数结构识别方法都是模态参数识别。本文是基于推广卡尔曼滤波的算法,从结构模型的输入激励信号和输出的响应信号中,直接识别结构模型的物理参数。同时针对结构系统的特点,提出解耦的结构参数识别算法,大大降低了参数估计的计算量。在文中给出两个结构模型的几次振动台在地震波输入下识别的结果,并根据所识别的参数对结构模型破坏程度进行评阶,结果表明该方法对结构参数估计是一种有效的方法。     

频域分解模态识别方法的阻尼识别精度研究EI北大核心CSCD

在模态参数识别中,模态阻尼比往往比固有频率、振型参数更难被准确识别。为了提高频域分解模态识别方法的阻尼识别精度,分析了算法中产生误差的主要因素,提出了采用自回归模型谱估计代替原有周期图谱估计的改进方法。开展了仿真算例研究,以白噪声激励下结构的振动响应为输入条件,使用频域空间域分解法进行模态参数识别。算例结果验证了采用基于自回归模型的谱估计代替原有的周期图法谱估计,既保留了对密频模态的分辨能力,又提高了阻尼参数的识别精度,且在采样数据长度较短的情况下具有优越性。     

非线性自回归模型辨识及其在结构损伤识别中的应用EI北大核心CSCD

分析了带有外部输入的线性/非线性自回归模型一般表达式(GNARX)与Volterra级数模型的相似之处,以及GNARX模型与带外部输入的自回归模型(ARX)之间的内在联系。根据GNARX模型结构特点,提出了一种基于参数离差率的结构剪枝算法,并用于模型结构辨识,通过数据仿真,验证了方法的可行性和有效性。最后,将GNARX模型结合提出的结构辨识方法,应用于钢板的损伤识别。结果显示,基于参数离差率的结构剪枝算法辨识GNARX模型结构,其损伤识别精度最高,体现了GNARX模型及其结构剪枝算法应用于结构损伤识别的优越性。     

基于自适应最稀疏时频分析的结构损伤检测方法EI北大核心CSCD

研究了一种新的自适应时频分析方法——自适应最稀疏时频分析(ASTFA)方法,并将其运用于结构振动响应分析,提出了基于ASTFA的结构损伤检测方法。ASTFA方法在EMD方法和压缩感知的基础上,建立包含所有IMF分量的过完备字典,通过寻找原信号的最稀疏表示,将信号分解问题转化为非线性优化问题,在目标优化的过程中实现信号的自适应分解,并直接得到各个分量的瞬时频率和瞬时幅值。在介绍ASTFA的基础上,对ASTFA和EMD进行了对比,结果表明了ASTFA方法的优越性。利用ASTFA方法识别了结构的模态参数,提出了基于分量信号瞬时频率和瞬时能量的损伤指标,对结构损伤进行了检测。对实际信号的分析结果表明,ASTFA方法可以有效地应用于结构损伤检测。     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。