[發(fā)明專利]基于損傷診斷指標(biāo)非線性窄域特征的橋梁損傷識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111328898.1
• 申請(qǐng)日: 2021-11-10
• 公開(kāi)（公告）號(hào): CN114048776B
• 公開(kāi)（公告）日: 2022-07-05
• 發(fā)明（設(shè)計(jì)）人: 劉洋;楊昌熙
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06F30/23;G06F30/13;G06F111/10;G06F119/08
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 李智慧

1.一種基于損傷診斷指標(biāo)非線性窄域特征的橋梁損傷識(shí)別方法，其特征在于所述方法包括如下步驟：

步驟一：采集橋梁結(jié)構(gòu)處于健康狀態(tài)下的結(jié)構(gòu)響應(yīng)數(shù)據(jù)，根據(jù)結(jié)構(gòu)響應(yīng)數(shù)據(jù)建立健康狀態(tài)下非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)；

步驟二：利用步驟一獲得的非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)，并根據(jù)非線性窄域特征的定義，建立非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)為非線性相關(guān)時(shí)的非線性窄域特征判別因子，其中：

將二維結(jié)構(gòu)損傷診斷指標(biāo)分布的特征推廣至高維，當(dāng)結(jié)構(gòu)損傷診斷指標(biāo)的函數(shù)依賴關(guān)系越強(qiáng)，則其在歐式空間內(nèi)的分布也變得更緊密，也就是變得更窄，從而也越有利于識(shí)別異常值，結(jié)構(gòu)損傷診斷指標(biāo)的這種特征定義為非線性窄域特征；

定義m維具備非線性相關(guān)關(guān)系的結(jié)構(gòu)損傷診斷指標(biāo)矩陣Φ所建立的互信息指標(biāo)集合為Γ，該指標(biāo)集合中共包含m×(m-1)個(gè)指標(biāo)，采用最大信息系數(shù)對(duì)互信息指標(biāo)進(jìn)行標(biāo)準(zhǔn)化表示，則最大信息系數(shù)的最小值即為結(jié)構(gòu)損傷診斷指標(biāo)的非線性窄域特征判別因子；

建立非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)為非線性相關(guān)時(shí)的非線性窄域特征判別因子的具體步驟如下：

步驟二一：根據(jù)非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)Φ，將Φ中的每i維結(jié)構(gòu)損傷診斷指標(biāo)表示為利用k均值聚類方法將第i維結(jié)構(gòu)損傷診斷指標(biāo)與其余的結(jié)構(gòu)損傷診斷指標(biāo)聚類為p、q個(gè)類別，則第i維結(jié)構(gòu)損傷診斷指標(biāo)的互信息計(jì)算公式為：

式中，m為結(jié)構(gòu)損傷診斷指標(biāo)Φ的維數(shù)，P_d(k)為在p個(gè)聚類劃分中的邊緣概率分布，P_ind(j)為在q個(gè)聚類劃分中的邊緣概率分布，P(jk)為Φ在p×q個(gè)聚類分類下的聯(lián)合概率分布；

步驟二二：對(duì)第i維結(jié)構(gòu)損傷診斷指標(biāo)的互信息進(jìn)行標(biāo)準(zhǔn)化處理，則標(biāo)準(zhǔn)化后的互信息的計(jì)算公式為：

步驟二三：根據(jù)非線性窄域特征判別因子的定義，利用結(jié)構(gòu)損傷診斷指標(biāo)的互信息指標(biāo)集合中最小的指標(biāo)橫梁非線性窄域特征作為非線性窄域特征判別因子，則非線性窄域特征判別因子ρ的計(jì)算公式為：

步驟三：利用步驟二得到的非線性窄域特征判別因子，判斷步驟一建立的非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)是否具備非線性窄域特征；

步驟四：若步驟三判定非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)具備非線性窄域特征，則利用基于K段主曲線算法的分段線性化方法，將非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)轉(zhuǎn)化為多個(gè)近似線性的結(jié)構(gòu)損傷診斷指標(biāo)，采用局部主成分分析算法剔除近似線性結(jié)構(gòu)損傷診斷指標(biāo)的環(huán)境和荷載因素影響，建立結(jié)構(gòu)損傷診斷特征；若判定非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)不具備非線性窄域特征，則采用基于核主成分分析的損傷識(shí)別方法建立結(jié)構(gòu)損傷診斷特征；

步驟五：利用步驟四得到的結(jié)構(gòu)損傷診斷特征，并根據(jù)馬氏距離算法，建立結(jié)構(gòu)損傷判別因子，采用累積二項(xiàng)分布的判別準(zhǔn)則，得到基于結(jié)構(gòu)損傷診斷指標(biāo)非線性窄域特征的橋梁結(jié)構(gòu)損傷識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于損傷診斷指標(biāo)非線性窄域特征的橋梁損傷識(shí)別方法，其特征在于所述步驟一中，建立健康狀態(tài)下非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)的具體步驟如下：

步驟一一：設(shè)橋梁結(jié)構(gòu)應(yīng)變數(shù)據(jù)矩陣為X₁＝[x₁,x₂,…,x_n]，位移數(shù)據(jù)矩陣為Y₁＝[y₁,y₂,…,y_n]，加速度數(shù)據(jù)矩陣為Z₁＝[z₁,z₂,…,z_n]，其中：x₁,x₂,…,x_n為應(yīng)變數(shù)據(jù)向量，y₁,y₂,…,y_n為位移數(shù)據(jù)向量，z₁,z₂,…,z_n為加速度數(shù)據(jù)向量，n為監(jiān)測(cè)數(shù)據(jù)樣本數(shù)；

步驟一二：對(duì)加速度數(shù)據(jù)矩陣Z₁進(jìn)行模態(tài)分析，得到對(duì)應(yīng)監(jiān)測(cè)時(shí)間下的結(jié)構(gòu)模態(tài)參數(shù)：頻率f、阻尼比ζ，構(gòu)建結(jié)構(gòu)模態(tài)參數(shù)矩陣θ；

步驟一三：利用結(jié)構(gòu)應(yīng)變數(shù)據(jù)矩陣X₁、位移數(shù)據(jù)矩陣Y₁和結(jié)構(gòu)模態(tài)參數(shù)矩陣θ，構(gòu)建橋梁非線性相關(guān)的結(jié)構(gòu)損傷診斷指標(biāo)Φ＝[X₁；Y₁；θ]。