專利名稱：一種結(jié)構(gòu)健康診斷的整體局部信息融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及土木工程結(jié)構(gòu)監(jiān)測技術(shù)，具體說就是一種結(jié)構(gòu)健康診斷的整體局部信 息融合方法。背景技術(shù)：
重大工程結(jié)構(gòu)的使用期長達(dá)幾十年、甚至上百年，在環(huán)境侵蝕、材料老化和荷載的 長期效應(yīng)、疲勞效應(yīng)等災(zāi)害因素的共同作用下將不可避免地導(dǎo)致結(jié)構(gòu)系統(tǒng)的損傷積累和抗 力衰減，極端情況下可能引發(fā)災(zāi)難性的突發(fā)事故。隨著對(duì)工程結(jié)構(gòu)的安全性、耐久性及正常 使用功能的日益關(guān)注，人們希望能夠在結(jié)構(gòu)的服役期，即使出現(xiàn)一些如地震、臺(tái)風(fēng)、爆炸等 災(zāi)害性事故后，也能充分了解結(jié)構(gòu)的健康狀況，以決定是否需要對(duì)結(jié)構(gòu)進(jìn)行維修和養(yǎng)護(hù)，以 及何時(shí)進(jìn)行維修和養(yǎng)護(hù)。
結(jié)構(gòu)整體損傷診斷研究大致經(jīng)歷了四個(gè)發(fā)展階段。第一階段僅用結(jié)構(gòu)模態(tài)參數(shù)確 定結(jié)構(gòu)的損傷狀態(tài)。如，基于頻率的結(jié)構(gòu)損傷方法，通過結(jié)構(gòu)頻率改變構(gòu)造合適的指標(biāo)進(jìn)行 損傷診斷?；谡裥偷慕Y(jié)構(gòu)損傷診斷方法，通過結(jié)構(gòu)損傷前后振型的改變進(jìn)行損傷診斷。如 模態(tài)置信度判據(jù)法，曲率模態(tài)法、剛度法、柔度法、殘余力向量法、模態(tài)應(yīng)變能法等。以后發(fā) 展的各種時(shí)間域和頻率域以及時(shí)頻域方法都是對(duì)他們方法的擴(kuò)展和延伸。如小波損傷特征 提取方法、基于信號(hào)復(fù)分解變換的HHT (Hibert Huang Translation)方法、神經(jīng)網(wǎng)絡(luò)方法、 隨機(jī)子空間損傷診斷技術(shù)等，這些方法盡管采用了具有各自特色的計(jì)算方法，但是損傷定 位的基本思路是一樣的，即通過數(shù)學(xué)模型獲取結(jié)構(gòu)的模態(tài)參數(shù)，用一個(gè)或多個(gè)模態(tài)參數(shù)來 推斷損傷，由于模態(tài)參數(shù)對(duì)結(jié)構(gòu)損傷的不敏感，加之模型誤差和噪聲的影響，識(shí)別結(jié)果的離 散性較高，難以得到唯一性結(jié)果。第二階段是添加了概率模型的結(jié)構(gòu)損傷診斷方法。考慮 到結(jié)構(gòu)損傷、模型和荷載的隨機(jī)性。如基于Bayesian概率理論的結(jié)構(gòu)損傷診斷與模型修正 方法；基于 AR(Auto Regressive)模型的 SPC(Statistical Process Control)統(tǒng)計(jì)過程控 制的損傷診斷方法；基于靈敏度的結(jié)構(gòu)損傷參數(shù)最優(yōu)統(tǒng)計(jì)診斷方法。第二階段的特點(diǎn)是對(duì) 診斷的模態(tài)參數(shù)與損傷特征用概率模型進(jìn)行描述，得到反映結(jié)構(gòu)損傷狀態(tài)的概率指標(biāo)，摒 棄了確定性的損傷指示方法，更加符合結(jié)構(gòu)損傷的實(shí)際狀況。第三階段是考慮環(huán)境因素等 作用下的結(jié)構(gòu)損傷診斷方法。環(huán)境因素如溫度、濕度、凍融、環(huán)境噪聲等因素會(huì)掩蓋損傷引 起的結(jié)構(gòu)模特參數(shù)的變化，從而使得損傷診斷結(jié)果存在較大的不確定性。這一階段的特點(diǎn) 是學(xué)者關(guān)注于環(huán)境因素的剔出，從而減少損傷診斷結(jié)果的不確定性，提高損傷診斷準(zhǔn)確性。
由于土木工程結(jié)構(gòu)的復(fù)雜性，其結(jié)構(gòu)健康監(jiān)測系統(tǒng)所需的傳感器數(shù)量與種類均較 多，以往的結(jié)構(gòu)損傷診斷方法均是基于單一種類的傳感器信息，如何充分利用多類型傳感 器的監(jiān)測信息進(jìn)行損傷診斷是目前結(jié)構(gòu)健康監(jiān)測中的一個(gè)亟待解決的難點(diǎn)與熱點(diǎn)問題。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于整體加速度與局部應(yīng)變傳感器監(jiān)測信息的結(jié)構(gòu) 健康診斷的整體局部信息融合方法。
本發(fā)明的目的是這樣實(shí)現(xiàn)的所述的結(jié)構(gòu)健康診斷的整體局部信息融合方法，步 驟如下
步驟一對(duì)目標(biāo)結(jié)構(gòu)布置加速度與應(yīng)變傳感器并進(jìn)行振動(dòng)測試，得到加速度與應(yīng) 變時(shí)程響應(yīng)，識(shí)別結(jié)構(gòu)的模態(tài)參數(shù)，包括頻率、振型、應(yīng)變模態(tài)，第η次測試得到的模態(tài)數(shù)據(jù) 用;^表示，
權(quán)利要求
1. 一種結(jié)構(gòu)健康診斷的整體局部信息融合方法，其特征在于步驟如下 步驟一對(duì)目標(biāo)結(jié)構(gòu)布置加速度與應(yīng)變傳感器并進(jìn)行振動(dòng)測試，得到加速度與應(yīng)變時(shí) 程響應(yīng)，識(shí)別結(jié)構(gòu)的模態(tài)參數(shù)，包括頻率、振型、應(yīng)變模態(tài)，第η次測試得到的模態(tài)數(shù)據(jù)用么 表不，Ns次測試數(shù)據(jù)組成權(quán)，步驟二 建立結(jié)構(gòu)的有限元模型，在有限元中，結(jié)構(gòu)整體剛度矩陣K用單個(gè)子結(jié)構(gòu)的剛 度火,G 表示，即N0κ = Σ^κ(/=1Ki是單個(gè)子結(jié)構(gòu)的剛度矩陣，N0是子結(jié)構(gòu)的數(shù)量，這時(shí)引進(jìn)無量綱的剛度折減因子Θ 來模擬各子結(jié)構(gòu)的剛度對(duì)整體剛度矩陣的實(shí)際貢獻(xiàn)； Θ = Iei ;i = 1,... ,Ne}步驟三采用模態(tài)應(yīng)變能指標(biāo)，通過實(shí)測的模態(tài)振型，初步定為損傷范圍； ^ΝΣ^；)2}!^)2β =V_！__V1 Ji式中 X)是完好結(jié)構(gòu)的第j階振型的二次導(dǎo)數(shù)，是損傷結(jié)構(gòu)的第j階振型的二 次導(dǎo)數(shù)，總損傷指數(shù)為各個(gè)模態(tài)損傷指數(shù)的和，即 ^-Yf βU步驟四 表示結(jié)構(gòu)的損傷情況，對(duì)于包含N0個(gè)子結(jié)構(gòu)的結(jié)構(gòu)，假設(shè)的損傷情況H有 Nh =C1no +C2no +_·· +《:種，&發(fā)生的先驗(yàn)概率記為P(Hp，則在有測量模態(tài)參數(shù)^Vi的情況下，Hj發(fā)生的概率為P(/^|ivj，根據(jù)Bayesian定理Jh^ )卞,V冬巧W/)在所有的&中，后驗(yàn)概率最大的&，記為Hmax為可能的損傷情況UJ==xp(//7，JPv [Hj )=/^ )電)=Ι^Χ^)因?yàn)閠 =&，...,&1，每次測試是相互獨(dú)立，則根據(jù)概率論的公理得λ< Kj )=/k K ’、VKh—J=…=π b ’ θ )n=\式中/“|中,-1, /^二/(^—///)，因?yàn)橛?///萬確定的結(jié)構(gòu)模型的第Π次的模態(tài)測試結(jié) 果不會(huì)受到以前測得的模態(tài)參數(shù)的影響，所以/(Θ~| .)= /Κ. /(;φ )/7 = 1假定對(duì)于不同的模態(tài)振型和頻率相互獨(dú)立，則Nf( n ) = Ylf ( ,.\ H)f{l )/(€. )r=\其中，頻率、振型與應(yīng)變模態(tài)的概率密度函數(shù)/(而)、f[l\ H] )^/(^,)可 以分別表示為「ι 卜 Y"/( ,■ I0ffj) = C1 exP ω,'δ_ V °>r J _f(l Ι //,) = c2 exP 一去(式/(^1 ) = exP-PrWsr)1 D;1 (AH)式中Cf2與是標(biāo)準(zhǔn)化系數(shù),^^Ιφ,Il2是^方差矩陣的C；對(duì)角線元素，《^(!^！是仏方差 矩陣的比的對(duì)角線元素； nS_之=去-或2) 2 _ ！夸粹“)4 Ifι ^[^-^lf vr~Nsh ||於)|2則整理后得 其中r=]其中N. {γJr ) = Σ Μ ( ) - αΑ )) C；1 [I {η) - α^. )) +) = \ \[ψ, ( )-β^D；1 {η) — βΓψεΓ (Θ ))+ [ (η) — ω、( , )J/δωι2}3Θ=;為八 )取最小值時(shí)的取值，上限概率A (Hj K )的值與■； ( '；；)和先驗(yàn)概率 P(Hj)有關(guān)，根據(jù)極大后驗(yàn)概率法，可以計(jì)算出最可能的損傷Hmax的概率；
全文摘要
本發(fā)明提供一種基于整體加速度與局部應(yīng)變傳感器監(jiān)測信息的結(jié)構(gòu)健康診斷的整體局部信息融合方法。步驟包括對(duì)目標(biāo)結(jié)構(gòu)布置加速度與應(yīng)變傳感器并進(jìn)行振動(dòng)測試，得到加速度與應(yīng)變時(shí)程響應(yīng)，識(shí)別結(jié)構(gòu)的模態(tài)參數(shù)；建立結(jié)構(gòu)的有限元模型；采用模態(tài)應(yīng)變能指標(biāo)，通過實(shí)測的模態(tài)振型，初步定為損傷范圍。本發(fā)明融合了整體加速度與局部應(yīng)變傳感器的信息進(jìn)行結(jié)構(gòu)健康診斷，充分利用了結(jié)構(gòu)健康監(jiān)測中的多傳感器信息，并且采用Bayesian概率理論，考慮實(shí)測信息的不確定性，符合工程實(shí)際特性。本發(fā)明可以得到準(zhǔn)確、可靠、穩(wěn)定的損傷診斷結(jié)果，具有較強(qiáng)的抗噪性與魯棒性。
文檔編號(hào)G06F19/00GK102034021SQ20101056248
公開日2011年4月27日 申請(qǐng)日期2010年11月29日 優(yōu)先權(quán)日2010年11月29日
發(fā)明者孫曉丹, 李惠, 歐進(jìn)萍, 鮑躍全 申請(qǐng)人:李惠, 鮑躍全