[發明專利]基于振動測量的鋼筋混凝土簡支梁火災損傷識別方法

在審

• 申請號: 201711000789.0
• 申請日: 2017-10-24
• 公開（公告）號: CN107908825A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 劉才瑋;巴光忠;苗吉軍
• 申請（專利權）人: 青島理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01M7/00
• 代理公司: 青島發思特專利商標代理有限公司37212
• 代理人: 鞏同海

技術領域

本發明涉及一種基于振動測量的鋼筋混凝土簡支梁火災損傷識別方法，屬于基于振動測量的損傷識別技術領域。

背景技術

火災下結構損壞甚至倒塌是造成人員傷亡的原因之一，更是造成直接和間接經濟損失的主要原因。結構損傷識別和健康監測技術可以探測出結構損傷的存在、位置，并預測結構剩余壽命，同時也為火災后期結構的損傷評估及加固對策提供理論基礎。可以預見，如何建立這一類結構的損傷識別算法從而能夠快速準確地識別出損傷的存在、位置及程度以保證結構的安全將具有重大的工程意義。國內外對常溫下結構振動特性的研究以及工程應用較多，但是對建筑物在火災作用下的振動監測研究尚不多見。

傳統的損傷檢測方法很多，但均有所不足。例如過于依賴技術人員的經驗，對建筑物有一定的損傷，效率低等。大部分基于振動測量的損傷識別方法都沒有考慮振型的影響，且針對混凝土簡支梁模型損傷識別的研究較少，傳統方法存在數據爆炸、收斂效果不明顯等缺陷，抗噪聲能力差。

發明內容

本發明的目的在于克服現有火災損傷識別方法存在的上述缺陷，提出了一種基于振動測量的鋼筋混凝土簡支梁火災損傷識別方法，采用自振頻率與振型二者相結合的輸入參數，運用支持向量機(SVM)人工智能算法構建損傷識別網絡，具有較強的魯棒性和容錯性，大大減少了損傷精確定位時訓練樣本的數量，避免了所謂的“維數災難”，有效克服神經網絡的局部極值問題，效率顯著提高。

本發明是采用以下的技術方案實現的：

步驟一：利用ANSYS溫度場間接耦合法獲取火災損傷結構模態；

間接耦合法是按照順序進行兩次或更多次的相關場分析。它是通過把第一次場分析的結果作為第二次場分析的載荷來實現兩種場的耦合，將熱分析得到的節點溫度作為“體力”載荷施加在后續結構場模態分析中來實現耦合的。在實用問題中，這種方法比直接耦合要方便一些，因為分析使用的是單場單元，不用進行多次迭代計算。通過將溫度荷載施加到結構場中，利用ANSYS模態分析，可獲得各火災時刻下鋼筋混凝土簡支梁的模態參數。

步驟二：利用Block Lanczos方法進行模態分析，得出火災損傷前后的模態參數；

步驟三：構造基于SVM的訓練樣本的輸入參數和輸出參數；

輸入參數采用頻率與振型的組合參數：

A＝{FR₁,FR₂,…,FR_m；MO₁,MO₂,…,MO_n}

式中：

m：損傷識別所用頻率階數，

n：損傷識別所用振型階數，

FR_i：損傷識別所用第i階頻率，

為第i階模態對應q個測試自由度歸一化振型向量，計算式為：

第i階模態對應于j個測試自由度分量。

構造組合參數A時，需注意以下原則：考慮到實際工程，結構動力響應測試數據具有隨機性強、幅值較小、容易被噪聲污染等特點。為保證測試有效性，m≤4，n≤4。

考慮到RBF核函數具有較好的曲線擬合、函數逼近能力，本申請采用RBF函數作為核函數實現非線性系統到高維空間的映射。

輸出參數采用各跨受火時間：

T＝{t₁,t₂,…,t_k}

k：梁結構跨數

t_i：梁結構第i跨受火時間。

步驟四：SVM回歸預測；

憑借SVM做回歸預測時，需要調節懲罰參數c和核函數g才能得到比較理想的預測效果。關于SVM參數的優化選取，是讓c和g在一定范圍內取值，劃定取值精度，驗證其均方誤差MSE值，選取MSE最低的驗證分組c和g作為最佳的參數。可能最終結果會有多組的c和g對應較低的MSE，這種情況通常的處理方法是同等條件選取較小的c，這樣做的理由是過高的c會導致過學習狀態發生，即訓練樣本MSE很低，測試樣本MSE較高。

步驟五：構造基于SVM的檢測樣本的輸入參數和輸出參數；

為考慮測量噪聲的影響，在檢測樣本施加不同程度的正態分布的隨機白噪聲，具體模擬公式如下：

有噪聲時的模態參數

γ_i：無噪聲時的模態參數

ε_i：正態分布的隨機數(其值為0，均方值為1)

p：測試樣本上所加噪聲大小。