結(jié)構(gòu)健康監(jiān)測(cè)與智能診斷技術(shù)研究.pdf

1、結(jié)構(gòu)健康監(jiān)測(cè)技術(shù)已經(jīng)成為土木工程領(lǐng)域研究的熱點(diǎn),對(duì)已建成的建筑結(jié)構(gòu)設(shè)施的健康狀態(tài)采取有效的措施進(jìn)行診斷、準(zhǔn)確評(píng)估和預(yù)示,具有重要的科學(xué)理論意義和工程應(yīng)用價(jià)值。本文以結(jié)構(gòu)健康監(jiān)測(cè)與智能診斷為目的,研究了結(jié)構(gòu)的損傷特征提取、智能診斷和趨勢(shì)預(yù)測(cè)。
　　 從結(jié)構(gòu)損傷特征提取的角度出發(fā),提出了一種基于EEMD和小波包變換的結(jié)構(gòu)損傷特征提取方法。首先對(duì)原始信號(hào)進(jìn)行EEMD分解,提取包含結(jié)構(gòu)損傷信息的IMF分量,再對(duì)其進(jìn)行正交小波包分解,并計(jì)

2、算小波包相對(duì)能量分布進(jìn)行ASCE結(jié)構(gòu)損傷特征提取。實(shí)驗(yàn)證明:(1)EEMD方法應(yīng)用了白噪聲的剔除特性,可避免模式混疊的發(fā)生；(2)不同檢測(cè)節(jié)點(diǎn)處不同損傷工況的IMF小波包相對(duì)能量分布有顯著的差異,因而可以作為一種理想的指標(biāo)來表征結(jié)構(gòu)損傷特征。
　　 為解決損傷診斷中樣本缺乏的問題,提出了一種基于支持向量機(jī)的智能診斷方法。將結(jié)構(gòu)振動(dòng)信號(hào)進(jìn)行EEMD分解后提取反映損傷信息的IMF經(jīng)小波包分解后的頻帶能量作為特征,輸入到多分類的SVM

3、中,對(duì)結(jié)構(gòu)的損傷進(jìn)行診斷。該方法在學(xué)習(xí)樣本數(shù)較少的情況下仍然具有較好的適應(yīng)性和分類能力；選取徑向基核函數(shù)取得了較高的診斷精度；但是,對(duì)于同一損傷源,采用不同節(jié)點(diǎn)的信號(hào)分析時(shí),SVM的識(shí)別正確率不同。
　　 針對(duì)單一節(jié)點(diǎn)信號(hào)進(jìn)行損傷診斷的不確定性和片面性,提出了一種基于多傳感器特征融合的SVM智能診斷方法。研究結(jié)果表明:多傳感器特征融合能夠使不同傳感器采集的信息得到充分利用,減小了損傷檢測(cè)信息的不確定性和片面性,從而提高了損傷診斷

4、準(zhǔn)確率。
　　 土木結(jié)構(gòu)的損傷在理論上是一個(gè)漸進(jìn)過程,為了能夠有效地監(jiān)測(cè)這個(gè)損傷過程,研究了一種基于EEMD和HT變換的結(jié)構(gòu)漸進(jìn)損傷特征提取方法。首先對(duì)原始信號(hào)進(jìn)行EEMD分解,提取包含結(jié)構(gòu)損傷信息的IMF分量,再對(duì)其進(jìn)行HT變換計(jì)算瞬時(shí)頻率。對(duì)單自由度模型和多自由度模型結(jié)構(gòu)剛度漸進(jìn)損傷進(jìn)行了仿真實(shí)驗(yàn),并把這一方法應(yīng)用到實(shí)際工程中。研究表明:結(jié)構(gòu)損傷前后瞬時(shí)頻率會(huì)發(fā)生明顯的變化,并且可以準(zhǔn)確地體現(xiàn)結(jié)構(gòu)剛度變化的趨勢(shì),從而反映結(jié)構(gòu)