703 浏览基于时间序列模型的结构损伤识别方法研究
摘要：结构健康监测（SHM）对于评估工程结构状况和保证其安全性至关重要,为了构建一个实用高效的结构健康监测系统,核心任务之一是迅速提高其结构损伤识别能力。基于振动信息的损伤识别方法已经被广泛研究了几十年,然而由于复杂变化的运作条件和环境条件,以及多样繁杂的实际工程结构形式和损伤类型,当前的损伤识别方法在实际应用中仍面临巨大的挑战。基于时间序列分析的损伤识别方法是振动信息损伤识别领域中重要的一员,在损伤定位定量、在线损伤监测、大尺度结构损伤识别和非线性损伤识别等问题中仍有较大的探索空间。本研究基于自回归模型（Autoregressive model）框架,结合目标追踪领域知识提出新型结构损伤指标,希望为改进当前识别方法的不足提供参考思路。本文先综述目前损伤识别方法的发展和存在问题,在此基础上提出本文的主要研究思路。首先,本研究提出一种新型结构损伤指标,定义为基于自回归（AR）模型极点之间的最优子模型分配距离（OSPA）。与反映结构整体损伤的频率变化指标相比,OSPA指标提高了局部损伤定位能力;与基于AR模型残差变化指标（RVD）相比,OSPA指标有更优的损伤定量能力,通过对五层剪切框架结构损伤识别的数值模拟和实验分析来体现其改进效果。其次,为了探索OSPA指标写入SHM系统设计的可能性,本研究模拟了基于OSPA指标的连续固定时间间隔在线损伤识别。由于实际工程结构往往是复杂的三维结构,需测量其不同位置和不同方向响应,才能较为全面地评估其结构损伤。当前结构损伤指标众多却少有对多传感器信息融合的能力,而OSPA指标本身具备多目标特征的融合能力。于此,本研究探索了基于OSPA指标对IASC–ASCE三维四层钢框架结构损伤识别的数值模拟和实验验证,结果显示OSPA指标能有效地定位三维结构单层和多层损伤,并展现较好的损伤量化。接下来,针对大跨度结构给先前方法的识别精度带来的挑战,本研究提出一种基于自回归移动平均带输入（ARMAX）模型的子结构损伤识别方法,原来的损伤指标被扩展为基于ARMAX模型的改进版本。在对日本建筑研究协会五层剪切框架结构损伤识别的实验分析中,不划分子结构的RVD指标识别效果不佳,而基于划分子结构建立ARMAX模型的RVD指标识别结果有明显改善,体现所提出子结构划分识别方法的有效性。接着,进行了对同济大学12层钢筋混凝土框架结构的损伤识别研究,基于AR模型极点的OSPA指标识别结果与振动台试验后的损伤现象相距较大,而经子结构划分后,基于ARMAX模型极点的OSPA指标识别结果较为符合实际损伤现象,因而所提出的子结构损伤识别,可为当前损伤识别方法对实际大尺度结构提高识别能力提供指导。此外,实际工程结构存在不少非线性损伤,如构件振动过程中的呼吸裂缝,目前非线性损伤指标的研究远少于线性损伤指标,而线性损伤指标识别非线性结构损伤往往能力有限。本文引入金融领域的自回归条件异方差（ARCH）模型,构建基于条件方差变化损伤指标CVD,并将识别结果与线性的RVD指标和OSAP指标结果作比较。在此基础上,进一步提出两种改进的非线性损伤识别方法,即基于AR-GJR（Glosten,Jagannathan和Runkle联合提出）模型识别方法,和基于ARMAX-ARCH模型子结构损伤识别方法,并通过对学者Kullaa的非线性呼吸裂缝梁模型,美国阿拉莫斯国家实验室的三层非线性剪切建筑结构和八自由度非线性动力系统进行损伤识别,展现所提出方法的改进效果。最后,本文基于主要研究内容进行总结,并提供未进行的有价值的未来研究展望。
关键词：结构损伤指标;自回归模型;目标追踪;最优子模式分配距离;子结构划分;非线性损伤识别;
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 研究背景与意义
1.3 损伤识别方法综述
1.3.1 无损检测技术
1.3.2 基于模态参数的损伤识别方法
1.3.3 基于时间序列分析的损伤识别方法
1.4 本文的研究思路及内容
第2章 基于AR模型与OSPA距离结合的新型结构损伤指标
2.1 引言
2.2 理论基础
2.2.1 AR模型
2.2.2 OSPA距离
2.2.3 基于AR模型极点的OSPA距离
2.2.4 匈牙利算法求解OSPA距离
2.3 损伤识别流程
2.4 五层层间剪切建筑结构损伤识别
2.4.1 五层层间剪切建筑框架模型损伤识别数值模拟
2.4.2 基于OSPA指标的在线损伤监测
2.4.3 五层层间剪切建筑框架模型损伤识别实验验证
2.5 IASC–ASCE基准结构损伤识别
2.5.1 IASC–ASCE Phase-I结构损伤识别
2.5.2 IASC–ASCE Phase-II结构损伤识别
2.6 本章小结
第3章 基于子结构划分与ARMAX模型结合的改进损伤识别
3.1 引言
3.2 理论基础
3.2.1 ARMAX模型
3.2.2 子结构划分方法
3.3 损伤识别流程
3.4 实验验证
3.4.1 日本建筑研究协会五层层间剪切框架结构损伤识别
3.4.2 十二层钢筋混凝土框架结构损伤识别
3.5 本章小结
第4章 基于自回归条件异方差模型的非线性结构损伤识别
4.1 引言
4.2 理论基础
4.2.1 自回归条件异方差模型
4.2.2 损伤指标
4.3 损伤识别流程
4.3.1 AR-GJR方法
4.3.2 ARMAX-ARCH方法
4.4 非线性呼吸裂缝梁损伤识别
4.4.1 模型描述
4.4.2 自回归条件异方差模型建模
4.4.3 损伤识别结果分析
4.5 三层非线性层间剪切建筑结构损伤识别
4.5.1 三层非线性层间剪切建筑框架模型试验装置
4.5.2 损伤识别结果分析
4.6 八自由度非线性动力系统损伤识别
4.6.1 八自由度非线性动力系统试验装置
4.6.2 损伤识别结果分析
4.7 本章小结
第5章 总结与展望
5.1 本文主要结论
5.2 前景与展望
参考文献
[1]大数据背景下的桥梁结构健康监测研究现状与展望[J]. 孙利民,尚志强,夏烨. 中国公路学报. 2019(11)
[2]基于GARCH效应和改进罚指标的时域非线性损伤识别[J]. 郭惠勇,黄淇. 上海交通大学学报. 2019(11)
[3]基于时间序列分析的结构损伤识别[J]. 杜永峰,李万润,李慧,刘迪. 振动与冲击. 2012(12)
[4]基于模态应变能和小波变换的结构损伤识别研究[J]. 严平,李胡生,葛继平,叶黔元. 振动与冲击. 2012(01)
[5]基于时间序列模型自回归系数灵敏度分析的结构损伤识别方法[J]. 王真,程远胜. 工程力学. 2008(10)
[6]损伤定位向量法原理及应用[J]. 纪晓东,钱稼茹. 工程力学. 2008(04)
[7]土木工程结构振动损伤识别面临的挑战[J]. 段忠东,闫桂荣,欧进萍. 哈尔滨工业大学学报. 2008(04)
[8]基于单元模态应变能法的桥梁结构损伤识别研究[J]. 王根会,胡良红. 铁道学报. 2006(03)
[9]斜拉桥结构健康监测系统的设计与实现（I）:系统设计[J]. 李惠,欧进萍. 土木工程学报. 2006(04)
[10]重大工程结构智能传感网络与健康监测系统的研究与应用[J]. 欧进萍. 中国科学基金. 2005(01)
