[發明專利]一種低信噪比下結構響應異常檢測方法

有效

• 申請號: 201410517411.8
• 申請日: 2014-09-30
• 公開（公告）號: CN104316167B
• 公開（公告）日: 2017-06-06
• 發明（設計）人: 姜紹飛;沈清華;麻勝蘭;陳志剛
• 申請（專利權）人: 福州大學
• 主分類號: G01H17/00
• 分類號: G01H17/00
• 代理公司: 福州元創專利商標代理有限公司35100
• 代理人: 蔡學俊,程春寶

技術領域

本發明涉及一種低信噪比下結構響應異常檢測方法—自適應隨機共振結構響應去噪技術和結構響應異常檢測策略。

背景技術

材料性能的退化、自然災害及人為破壞等原因,引起的建筑物倒塌造成了人民生命財產的巨大損失，因此如何選取正確的監測手段和檢測方法對結構的健康狀況進行監控、評估，以期在結構發生損傷之前給予預警成為了當前國內外研究熱點。結構的振動響應信號中包含有豐富的損傷信息且對建筑物無損害，利用結構振動信息對結構進行損傷識別和健康監測的重要性和有效性已得到廣泛認同，但是由于環境因素、傳感器測量系統等硬件設施自身因素及人為因素等在實際監測過程中不可避免地存在著大量的噪聲，直接利用這些被噪聲污染的測量數據來進行結構損傷識別，則往往會導致結構損傷識別結果存在較大誤差。

因而，如何利用強背景噪聲下測量的結構響應來進行損傷識別是近年來研究的難題。對帶噪聲的結構響應常規處理方法是進行除噪或者消噪，然而由于處理過程中假設的噪聲模型往往與實際噪聲模型不一致，且消噪之后會導致響應失真。大量研究表明，隨機共振是實現強噪聲背景下弱信號檢測非常有效的方法，可以從很強的噪聲中檢測微弱的有用信號,常用于信號處理、機械故障診斷、圖像處理等領域中，卻沒有運用到土木工程領域中。如何對結構參數a,b進行自適應選取，而讓隨機共振達到最佳匹配條件，仍是目前研究的一個難點。

盲源分離技術通過將多個觀測信號按照統計獨立的原則進行優化，將其分解為若干個獨立成分，來實現信號的增強和分析，因此盲源分離技術在語音、信號分析與損傷檢測領域得到了比較廣泛的應用。但是在噪聲背景下，存在不能有序提取各信號、易丟失弱信號以及容易出現誤差傳遞等問題。

鑒于以上情況，本發明提出將基于改進粒子群優化算法的非線性隨機共振與魯棒獨立分量分析(RobustICA)算法相結合，運用前者進行信號中結構響應的增強，運用后者對損傷敏感特征量進行提取，能很好地解決低信噪比下結構響應異常識別中存在的問題。

發明內容

本發明的目的是提供一種強背景噪聲低信噪比下結構響應異常檢測方法，該方法能克服現有技術的不足，對含噪聲結構響應進行處理和結構響應異常分析，特別是在對強背景噪聲下的結構響應進行分析處理中體現出極大優越性，能很好的實現強噪聲背景低信噪比情況下的結構響應異常檢測，可用于土木工程、航天航空、自動控制、機械工程、橋梁工程、水利工程的領域的信號處理和損傷異常識別。

本發明的目的是通過以下技術方案實現的：

一種低信噪比下結構響應異常檢測方法，其特征在于：首先在強背景噪聲下利用多個傳感器對結構振動信息進行采集，得到噪聲干擾的結構響應；然后對采集到的結構響應進行改進粒子群優化算法自適應隨機共振去噪處理，并增強結構響應；之后利用魯棒性獨立分量分析對隨機共振輸出響應進行獨立分量分析，分離出具有響應突變點的特征分量；最后根據每個特征分量中響應突變點在時間軸上的位置確定結構響應異常發生時刻，并提取出每個特征分量進行歸一化處理，從而實現對結構響應異常進行定位。

在本發明一實施例中，所述改進粒子群優化算法自適應隨機共振去噪處理包括以下步驟：

步驟S01：初始化種群，隨機產生m個大小為n的子種群，并將子種群分為上下兩層；

步驟S02：適應度函數確定，將傳感器采集到的結構響應∏(t)經過二次采樣，實現響應從高頻到低頻的轉換，隨后輸入至隨機共振系統，采用以下公式計算出輸入響應所對應的隨機共振輸出，

k₂＝h[a(X_i+k₁/2)-b(X_i+k₁/2)³+S_i]

k₃＝h[a(X_i+k₂/2)-b(X_i+k₂/2)³+S_i+1]

k₄＝h[a(X_i+k₃)-b(X_i+k₃)³+S_i+1]

式中，h是計算時間步長，取采樣頻率的倒數；k_i為斜率，X_i為系統輸出響應，S_i為含噪聲和振動信息結構響應的第i次采樣值，