[發明專利]一種基于稀疏貝葉斯學習的橋梁結構損傷識別方法

在審

• 申請號: 202011442045.6
• 申請日: 2020-12-08
• 公開（公告）號: CN112528564A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 王其昂;戴陽;張誠;王長保;王浩博
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N5/04;G06N7/00
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 秦秋星

本發明提供一種基于稀疏貝葉斯學習的橋梁結構損傷識別方法。本發明首先基于結構在健康狀態下的結構動力響應數據，構造結構健康狀態因子損傷指標；接著引入稀疏貝葉斯學習以構造貝葉斯非參數模型作為參考基準指標；再根據損傷未知的結構動態響應數據構造結構健康狀態因子，獲取該狀態下的稀疏貝葉斯回歸模型，并與參考基準指標作對比，最終通過貝葉斯因子開展結構損傷識別定量分析。因稀疏貝葉斯學習考慮了理論模型、實測數據的不確定性，其損傷識別結果更為精確。

技術領域

本發明屬于結構健康監測技術領域，涉及一種基于稀疏貝葉斯學習的橋梁結構損傷識別方法。

背景技術

隨著社會的發展，大型土木工程結構越來越多，尤其是大型的橋梁結構，若這些結構在運營期間出現事故，會造成巨大的經濟損失和人員傷亡。而結構健康監測技術是支撐土木工程結構安全運行和實時維護的一個有力工具，其中損傷識別又在結構健康監測領域占據著十分重要的地位。目前，基于振動信息的損傷識別方法普遍被認為是具有發展前景的方法。其中基于振動信息的損傷識別方法從損傷判定的確定性性質角度可分為兩種方法：第一種是確定性方法，第二種方法是不確定性方法。第一種方法是將某一損傷特征參數(如剛度)作為確定量，并以此建立其與損傷程度之間的映射關系，從而實現損傷識別的目的。第二種方法則在考慮了理論模型(土木結構的有限元模型)的不確定性和實測數據的不確定性基礎上，利用統計分析方法，得到損傷識別結果。而貝葉斯方法正是一種不確定性損傷識別方法，此方法充分利用先驗信息，在模型參數求解時，不只是尋求局部最優解，而是找出全局最優解，利用模型參數后驗概率分布來表征結構發生各種可能損傷程度的概率，進而解決不確定性問題。在貝葉斯方法中，稀疏貝葉斯學習(Sparse Bayesian Learning,簡稱SBL)通過最大化證據函數以嵌入奧卡姆剃刀，進而促進模型參數的稀疏，最終所獲得的模型參數的后驗概率密度函數，不僅稀疏，而且能夠有效表征監測數據的后驗模型及其后驗的不確定性。

通常情況下，環境因素(如溫度、噪聲)是使損傷結果具有不確定性的主要原因，而確定性方法會不可避免受到環境因素的影響。同時，現在大部分的損傷識別方法僅停留在數值模擬和實驗室簡單的模型階段，適用性受限，因此本發明針對這些問題，一方面利用貝葉斯理論強大的不確定性表達能力，另一方面借助稀疏貝葉斯學習建立一個高效的、無需數值模擬、純數據驅動的模型。

發明內容

為了克服確定性損傷識別方法中不確定因素的影響以及現有階段的大部分損傷識別方法適用性受限問題，本發明提供了一種全面、高效的基于稀疏貝葉斯學習的橋梁結構損傷識別方法，可以對大型橋梁結構進行損傷識別分析，并在此基礎上得到結構的實時健康狀況，進而指導既有結構的運營管養決策。

本發明提出的一種基于稀疏貝葉斯學習的損傷識別方法，具體步驟如下：

一種基于稀疏貝葉斯學習的橋梁結構損傷識別方法，具體包括以下步驟：

S1、根據橋梁結構在健康狀態下的結構動力響應數據，繪制并分析相應的時域圖；對時域圖進行時域分析，利用NExT方法得到互相關函數；

S2、根據S1的互相關函數，對其經傅里葉變換后得到互功率譜密度，并依據互功率譜密度進行頻域分析得到橋梁結構的模態參數——頻率，之后確定敏感頻帶；

S3、根據S2的敏感頻帶數據，利用線性變換技術得到損傷指標——結構健康狀態因子；

S4、根據S3的結構健康因子的實部和虛部數據，引入稀疏貝葉斯學習算法，利用其可以解決不確定性問題的優勢，建立以虛部數據為自變量、實部數據為因變量的結構健康狀態因子的回歸參考模型；

S5、當有新的監測數據時，重復步驟S1至步驟S3，得到新的損傷指標，并將此損傷指標帶入S4中的回歸模型，此時可依據新的損傷指標的實部數據是否擬合回歸參考模型進行損傷的定性識別；