土木工程结构健康诊断中的统计识别方法分析.docVIP

土木工程结构健康诊断中的统计识别方法分析 　　【摘 要】 目前我国的经济建设发展迅速，国家对城市基础设施建设的投入不断加大，很多大型建筑工程相继完工，但是我们在享受新型建筑带给我们的舒适和快捷之余，建筑的结构损失进入了我们的视线。我国对建筑结构的安全系统评价主要来自对结构的可靠性研究，对土木工程的结构缺陷和检测方法开展较少，所以对建筑工程的结构健康诊断中的统计识别方法分析是势在必行的。 　　【关键词】 统计 识别 模式 　　引言：建筑结构受到的相应数据和建筑结构的物理特性有着直接的关系，建筑的结构响应数据可以有效的将建筑结构的物理特性反应出来。结构在识别结构损坏的过程中利用了结构的物理性和响应数据的关系来评估和监控结构的状态并进行基本的识别，最后通过识别后的数据有效的反映出结构的整体性，和隐藏的结构隐蔽部位的缺陷。这种方法在建筑工程领域应用的前景十分广阔。是未来建筑结构健康诊断的主要发展方向。 　　一. 统计系统识别方法 　　系统识别最常用的结构模型为有限元模型。有限元模型在结构应变和位移的过程中能提供与材料结构形式相互关联的信息和物理特性，并且可以通过分析为结构提供完整的分析模型参数，但是模型在建立的过程中本身存在误差，所以结构有限元模型在进行结果分析和参数设定的过程中会出现不确定性，在进行模态观测中，会因数据的分布情况和实测获得不同观测结果，由于模型误差的存在结构的分析预测和实测相应有不确定和不匹配，这就造成系统在识别的过程中需要求解，并出现反演问题，造成结果的不稳定，所以在进行结构损伤识别过程中要考虑模型误差及预测误差导致的不确定性以及观测误差导致的不确定性对识别结果的影响。在系统识别的过程中，可以通过框架内求解来修复模型问题，在统计中结构模型可以只使用一组数据进行特定结构模型中确定最优结构模型的系统识别。并根据基本统计参数来推段出各种原理的不同，在结构健康参数的统计系统识别方法主要分为随机有限元模型修正法和Bayes模型修正法。 　　二. 统计模式识别方法 　　典型的局部结构损伤是模态观测的结构模型修正或模式识别方法在实际应用中面临解决的最大问题。在实际的参数观测过程中所记录的低频整体响应产生的影响很小，这不利于建筑在早期发现结构损坏。另外结构状态在观测过程中未发生退化也会因环境、温度、和结构发生位移等问题使观测响应发生改变， 这就造成了在模态观测阶段对结构损伤形成的原因缺乏分析，会将环境因素和运行状态相互混淆。这时进行结构健康诊断的统计模式识别就不能依靠模态观测数据，而可以直接利用时程观测响应，所以在考虑环境因素和运行状态的变化过程中，如果可以不使用模太观测参数，进行能直接使用时程观测响应。这是因为在考虑环境和运行状态变化的过程中时，可以直接利用观测响应的统计分析提取结构状态及损伤敏感特征来直接对结构的损伤和状态进行分析。 　　三.结构健康监测统计模式识别方法的统一模式及研究重点 　　在建立结构健康监测统计模式识别方法模式的过程中，会因模式分为四个过程。分别为运行评估、 数据采集、 特征提取与数据压缩以及统计模型建立。在这四个阶段中特征提取与数据压缩以和统计模型建立是统计识别研究的主要项目。 　　对结构的健康监测的识别和诊断其实是一个整体，并以识别过程为主，并且做到解决同一结构系统之间的不同状态问题。区分系统的不同状态的同时，要根据系统的特性和系统的性质，进行正确的检测和识取，并注意能够反映结构真实变化的特征信号。单一的根据结构的特征信号是不能获得有效的观测特征信号的，所以正确的在特征信号中提取相关的敏感特征量是关键，在对状态和损伤敏感特征及逆行那个结构健康识别时要利用统计识别模式对结构状态和损伤进行识别就成为了统计识别模式的关键，在利用统计模式识别方法对结构状态和损伤的敏感特征提取一般来自于能够表征结构状态的模式向量， 这些向量是因为统计模型中的自回归模型、回归模型、外源自回归模型等进行观测数据的统计分析。在通过状态和损伤敏感特征进行多维向量的分析，多维向量中很多参数的重要性是不相同的，而且很多参数不能相互独立，这就会使识别的工作量增大，这同时为识别带来了困难，所以在通过数据降维的过程中要挑选有代表性和有效性的成为构成分析，所以结构的状态和损伤敏感特征一旦提出，所识别的结构异常状态的主要任务就可以进行相应的特征统计分析，所以要根据某种判别和函数及判据进行状态分类。 　　结构状态及损伤敏感特征统计分析的算法主要可以分为两种： 监督学习算法和无监督学习算法。前者需要同时获得损伤状态和完好状态的训练数据样本， 而后者则只需要完好状态的训练数据样本。因为土木工程结构普遍具有的唯一性， 很少能够获得具有相似损伤状态的不同结构的响应观测数据， 所以应用无监督的损伤识别算法对土木工程结构的健康诊断具