结构振动响应的贝叶斯重构及预测方法研究.pdfVIP

摘要

结构振动响应监测传感器具有安装方便、运行状态稳定、采样频率较大等

特点，被广泛应用于土木工程中的结构健康监测领域，进行结构状态的定性及

定量分析。但在实际工程结构应用中，受限于结构截面设计、所处地形及成本

控制等因素，往往无法直接监测所有关键位置处的结构振动响应。

本文在分析国内外结构振动响应重构及预测研究的基础上，针对实际应用

场景中可能出现的状况，将结构振动响应重构及预测研究划分为结构全局振动

响应估计和缺失数据重构两部分研究内容。两者的不同在于结构全局振动响应

估计研究中的待估计量无历史数据，而缺失数据重构研究中的待重构量具有历

史数据。基于以上划分方式，根据两部分内容的研究特点，先分别进行对应的

方法研究，最后将两部分结合，实现含有缺失数据的结构全局振动响应估计。

在实现结构全局振动响应估计的总目标中，选择从贝叶斯理论角度展开，

通过有限元方法建立关系模型进而获取影射方程。使用卡尔曼滤波（Kalman

Filter,KF）方法，基于布置的传感器的监测响应数据对无传感器监测位置的响

应进行估计。针对KF算法实现过程中，过程噪声协方差矩阵和观测噪声协方

差矩阵未知的问题，提出利用序贯重要性重采样（SequentialImportance

Resampling,SIR）方法进行噪声协方差矩阵的估计。

考虑实际应用场景中可能出现的数据缺失的情况，进行缺失数据重构的研

究。选择从机器学习角度展开，根据数据的时序特征及维度信息，使用长短时

记忆（LongShort-TermMemory,LSTM）神经网络模型，通过考虑缺失数据通道

本身的时间关系和不同通道间的时间-空间关系，构建多序列输入的LSTM神经

网络估计模型。利用多序列输入的LSTM神经网络修复缺失数据集，并使用改

进的KF方法，实现含有缺失数据的结构全局振动响应估计。

通过理论分析、模拟工况验证、试验结构研究和实际工程结构应用，研究

提出方法的有效性及不同工况下的运行效果。提出的方法提高结构全局振动响

应估计研究的稳定性，实现监测数据信息维度和监测仪器效益的提升。

关键词：结构响应重构；卡尔曼滤波；序贯重要性重采样；噪声参数估计；长

短时记忆神经网络；缺失数据重构

Abstract

Structuralvibrationresponsemonitoringsensorsarewidelyusedinstructural

healthmonitoringincivilengineeringduetotheirconvenientinstallation,stable

operation,andhighsamplingfrequency.However,inreal-worldengineering

applications,itisoftenimpossibletodirectlymonitorthestructuralvibration

responseatallcriticallocationsduetofactorssuchasstructuralsectiondesign,terrain

conditions,andcostcontrol.

Basedontheanalysisofexistingresearchonstructuralvibrationresponse

reconstructionandprediction,thisdissertationdividestheresearchintotwoparts:

structuralglobalvibrationresponseestimationandmissingdatareconstruction.The

differencebetweenthetwoisthattheunknownvar