基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。     

基于GNAR模型和Itakura距离的结构非线性损伤识别方法

为了有效地解决时域非线性损伤的识别问题,提出了基于线性/非线性自回归一般表达式模型(general expression for linear and nonlinear autoregressive model,GNAR模型)和Itakura距离的损伤识别方法。描述了GNAR模型的基本理论,给出了基本的模型定阶和参数估计方法。采用剪枝算法对GNAR模型结构进行了优化选取,并提出了以Itakura距离作为损伤指标的非线性损伤识别方法。采用3层框架非线性损伤实验验证了该方法的有效性,并将提出的方法运用于输电塔钢架模型的非线性损伤识别实验中。结果表明:提出的结构非线性损伤识别方法对框架和输电塔钢架结构的非线性损伤识别效果良好,且环境变化对其识别结果影响较小,由该方法计算得到的损伤层损伤概率明显大于未损伤层,有利于高效地确定非线性损伤源的位置。     

在有噪声时用CARV模型提高识别模态参数的精度

多维可控自回归（ＣＡＲＶ）模型对模态参数的识别精度很高，但受噪声影响却很严重，现有的方法很少考虑有噪声输入的情况而使ＣＡＲＶ方法的使用受到极大限制。本文讨论了有噪声存在的情况下，ＣＡＲＶ模型对模态参数的识别，推导了ＣＡＲＶ模型在有噪声情况下的建模公式，并通过仿真验证了方法的有效性，针对ＣＡＲＶ模型在具体应用中的一些问题进行了讨论。     

基于时间序列模型自回归系数灵敏度分析的结构损伤识别方法

该文在分析了时间序列模型的自回归系数对结构单元刚度灵敏度的基础上,提出了一种采用随机载荷作用下结构的时域响应数据进行损伤识别的新方法。该方法首先根据随机载荷作用下的结构响应拟合适用的时序模型;然后建立基于自回归系数的损伤灵敏度矩阵,通过该矩阵可以建立由单元损伤导致的自回归系数的变化与损伤系数变化之间的关系;最后通过求解损伤系数向量来识别损伤位置和损伤程度。对一悬臂梁结构损伤识别的数值结果表明:在计入1%和2%测量噪声的情况下,该方法仅利用单个传感器的时域测量数据,就能够较好地识别单个单元和多个单元损伤;如果对基于多个传感器的识别结果进行综合,识别结果则更加准确、可靠。     

基于模态柔度矩阵的结构损伤识别

基于模型修正技术的结构损伤识别方法,无需事先知晓结构的损伤位置,比仪器直接探测更具优势。模型修正大多以模态频率和振型为修正目标。然而,结构损伤对系统的模态频率和振型影响较小,采用模态频率和振型为目标的传统修正方法,难以识别出结构的损伤。为此,引入对结构损伤极为灵敏的模态柔度矩阵,研究以模态柔度矩阵为目标函数的损伤识别方法。选取某带孔的矩形长铁片为研究对象,沿其纵向等分为31块,计算模态柔度矩阵关于各等效模量相对量的灵敏度。结合灵敏度矩阵,利用实测和有限元模型间的柔度矩阵残差建立目标函数,并引入正则化方法求解目标函数的超定方程组。经过9次迭代目标函数收敛,损伤识别结果与实际值保持高度一致,从而验证该方法的正确性和实用性。     

基于MSVAR模型的非线性损伤识别方法

实际工程中出现的损伤往往具有非线性特征,比如裂缝开合导致结构刚度呈现明显的双线性特性。采用简单的线性模型会遗漏与损伤相关的非线性信息,进而影响到损伤识别结果的可靠性。为解决上述问题,该文提出基于马尔科夫状态转移向量自回归模型(MSVAR)的非线性损伤识别方法。该方法假定损伤会导致结构振动响应出现非线性特征,利用MSVAR模型隐状态平滑概率能够反映数据非线性变化的特点,构造信息熵作为损伤预警指标监测结构损伤状态。MSVAR模型的自回归系数包含损伤位置信息,可据此构造损伤定位向量确定裂缝位置,以裂缝位置处的层间位移(平滑概率由0突变到100%时)表征裂缝宽度。最后通过数值算例和模型试验验证该文所提方法在裂缝类型损伤识别的有效性。     

基于秩分析的结构损伤识别研究

研究了结构损伤与系统矩阵秩变化之间的对应关系,以此为基础提出一种损伤识别方法。首先分析了结构损伤所引起的系统矩阵秩的变化,然后利用结构损伤前后的静力响应方程,推导了柔度扰动量的限定秩解计算公式,再结合柔度扰动新方法计算结构各单元损伤参数,据此确定损伤位置及损伤程度。研究表明,损伤前后结构静力位移差向量之间必然存在着线性相关性,因此,施加静力荷载的组数并非越多越好,而是只要大于柔度扰动矩阵的秩即可。由该方法所获得的柔度扰动量的限定秩解,是一种理论上的精确解,以它为基础可以获得很高精度的损伤识别结果。以桁架结构为例对所提方法进行了验证,结果表明了本文方法的可行性。     

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。     

工程结构损伤识别的柔度方法研究进展

工程结构的损伤识别问题是目前的研究热点,近年来已提出许多种损伤识别方法。其中,柔度方法因计算简单实用性强而倍受人们关注。本文综述了近二十年来基于柔度变化的结构损伤识别方法,按照计算方法和采用数据的不同将柔度方法进行了分类和归纳,阐述了各类柔度方法的基本原理和主要的计算公式,并分析和比较了各类柔度方法的优点和不足之处。最后讨论了柔度方法尚存的未解决难题并对后继研究方向作了展望。     

基于时间序列分析的结构损伤识别

针对如何从结构响应信息中提取结构损伤指标的问题,提出了一种基于时间序列分析的结构损伤识别方法。对结构响应数据进行预处理,利用完好工况下的结构响应数据作为参考数据,建立自回归(Auto regression-AR)预测参考模型。利用已建立的AR预测参考模型计算待识别工况的残差,将待识别工况的残差与AR预测参考模型的残差的方差之比作为损伤指标,对结构损伤进行识别;通过算例表明:该损伤指标不仅可以判断结构是否发生损伤,而且可以识别结构的损伤位置。     

基于统计模型的结构损伤识别

提出了一种基于递推随机有限元方法(RSFEM)的随机结构损伤识别方法。在定义了随机损伤指数概念的基础上,考虑模型误差的不确定性和测量噪声的影响,建立了关于随机损伤指数的控制方程。然后,利用RSFEM得到了结构随机损伤指数的统计特性。数值算例的结果显示,新的方法能在考虑模型误差和测量噪声的情况下对结构损伤进行有效识别,且在结构随机参数有较大涨落情况下,该方法仍能有效识别出结构损伤,识别结果与蒙特卡洛模拟解非常吻合。     

基于AR-GP模型的结构损伤识别方法

针对传统损伤识别方法不易区分多损伤状态以及难以辨别预测结果可靠性的问题,提出了一种基于自回归(autoregressive,AR)模型和高斯过程(Gaussian process,GP)的损伤识别方法.该方法利用AR模型回归拟合结构加速度响应数据,首次引入表征损伤位置信息与损伤状态信息的参数L1、L2,基于AR模型残差...     

噪声影响下基于改进损伤识别因子和遗传算法的结构损伤识别

提出了一种考虑噪声影响的基于改进损伤识别因子和遗传算法的结构损伤识别方法。首先,介绍了结构损伤识别的参数化思想,并提出了一种考虑不同模态信息和权重系数的损伤识别因子。然后,在选择算子、交叉算子、变异算子以及自适应交叉和变异等方面对遗传算法进行了改进,并在无噪声情况下,对一简支梁和连续梁进行了损伤识别,识别效果非常好,验证了方法的正确性和有效性。随后,分别考虑了随机噪声和高斯白噪声对简支梁进行损伤识别,发现该方法在噪声水平不是很高的情况下,识别效果很好。最后,在一钢框架基准有限元模型基础上,考虑了四种损伤工况进行了损伤识别,识别结果较好,该方法能够很好地应用于结构的损伤识别和健康监测。     

基于EMD和VARMA模型的结构损伤识别

提出了基于EMD和VARMA模型的结构损伤识别方法。该方法首先将结构反应信号用EMD方法分解成一系列固有模态函数,然后将固有模态函数表示为时变VARMA模型并用Kalman滤波方法估计时变VARMA参数,最后根据时变VARMA参数定义一个新的损伤指标用于结构损伤识别。为检验该指标的实际性能,算例中选用ImperialCounty Services Building和Van Nuys Hotel作为基准结构。通过其实测地震反应记录的分析表明:该指标在实际的量测环境和噪声条件下具有较好的敏感性和抗噪能力,可有效地识别结构多处损伤的发生过程和严重程度;由于该指标定义在反应信号特征提取的基础上,无需其他额外的信息,它可同时用于结构整体和局部两个层次损伤的识别;同时,该指标还适于实时(在线)的结构损伤识别或健康监测,因其直接由时变VARMA参数推导得出。最后,对后续研究工作进行了展望。     

连续梁结构损伤识别的改进柔度阵方法

传统柔度阵方法难以指示多跨连续梁这样一些复杂连续体结构在支撑处的损伤,提出以结构柔度阵某些自由度对应的对角元素的变化率作为损伤指示函数,对多跨连续梁结构进行更为有效的损伤识别。识别的机理是利用损伤指示函数对于单元损伤因子灵敏度矩阵的对角占优特性,产生对损伤因子分布的“覆盖效应”,从而反映出结构损伤的状态特征。文中给出有关计算公式,进行了数值模拟并比较几种状态的损伤识别结果,显示了本文方法的合理性。     

基于同步挤压和时间窗的时变结构损伤识别

在连续小波变换的基础上,运用同步挤压和时间窗思想,提出了新的时变结构损伤识别指标。通过简支梁刚度突变、刚度线性变化和简支梁多点时变损伤三个数值算例对提出的损伤指标进行了验证,结果表明:该指标能够有效地识别结构的时变损伤,且时间窗的选取基本上不影响时变损伤指标的取值。     

基于参数识别的结构损伤概率诊断方法

为解决观测噪声等不确定性因素影响下确定性损伤识别方法的损伤误判问题,提出了结构损伤识别的概率可靠度法。通过正则化修正改善参数识别问题的不适定性,利用数据摄动和蒙特卡罗法研究观测噪声对参数识别结果的影响并获得各待识别参数的统计特征,在此基础上基于概率统计理论推导了损伤概率的计算公式。根据损伤识别试验验证了方法的有效性和准确性,分析并比较了概率可靠度法和确定性方法的损伤识别结果。试验研究表明,损伤识别的概率可靠度法能够显著改善传统确定性损伤识别方法的损伤误判问题。     

基于小波包能量与模型修正的海洋平台结构损伤识别

对于常年服役的海洋平台,准确的损伤识别是保证其安全运行的重要保障。提出了一种对损伤敏感的小波包分解方案选取原则,以结构损伤前后加速度信号的小波包能量变化率作为残差,以结构的弹性模量作为待修正参数,通过灵敏度分析构建了一种新的目标函数用于模型修正和结构的损伤识别。将上述识别方法应用于简支梁模型,能够准确地识别出损伤的存在、位置和程度,验证了方法的可行性。对被噪声污染的信号进行识别分析,证明方法具有一定的鲁棒性。对噪声污染严重的信号进行小波阈值降噪处理,识别效果较降噪前有所改善。将方法应用于海洋导管架平台模型,对不同层高、不同杆件类型的损伤工况均能有效识别,说明方法对多层复杂结构同样适用。     

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.003 29、 0.004 162、0.65%。