基于粒子群卡尔曼滤波去噪的梁式结构损伤识别

发布时间：2020-12-16 23:59

　　结构健康监测逐渐成为土木领域的热点,结构损伤识别吸引了越来越多研究者的关注。近年来随着科技与经济的发展,时代中出现了多种多样的结构建筑。近些年来,发生的建筑倒塌事件带来了不可挽回的后果及损失,其原因主要是未能在损伤积累阶段及时发现,难以对结构在事故发生前进行挽救。为了确保结构的安全性和耐久性,对现有结构进行损伤检测是非常有必要的。目前用于损伤检测的结构损伤指标可以由很多方式来构造,使用频率最高的是利用模态参数的信息来构造,但是不可否认,经多种实验证实,由模态参数构造的识别指标都不能忽略噪声的影响,识别结果会不同程度的受到各种噪声的干扰,导致无法准确的对结构损伤单元进行准确的判定,这也是结构损伤识别的研究瓶颈。为了解决实测信号中噪声干扰的问题,本文选取改进后的单元损伤变量作为损伤识别指标,通过粒子群算法和卡尔曼滤波算法相结合的方式对结构损伤检测信号进行处理优化,最大程度的避免信号收集装置和信号传递的仪器中采集到的多余噪声,滤除获取和传输的过程多余的干扰部分。通过Matlab软件来实现,针对卡尔曼算法难以获得噪声统计特性的缺陷,结合PSO中适应度函数准确寻得相应滤波参数。通过卡尔曼惯用的仿... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：97 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 选题背景与研究意义
    1.2 结构损伤识别国内外研究现状
        1.2.1 基于动力特性的损伤识别方法
        1.2.2 结构损伤动力检测相关智能算法
    1.3 本文研究主要目的和内容
        1.3.1 研究目的
        1.3.2 研究内容
2 基于动力特性的损伤识别相关理论
    2.1 随机子空间的基本理论
        2.1.1 动力学时间状态空间模型
        2.1.2 协方差驱动随机子空间
    2.2 结构转角信息重构
    2.3 单元损伤变量法
        2.3.1 损伤变量的定义
        2.3.2 损伤变量指标的构造
    2.4 盲信噪比估计
        2.4.1 自相关矩阵奇异值分解和信噪比估计
        2.4.2 协方差矩阵特征值分解和信噪比估计
    2.5 本章小结
3 信号噪声处理
    3.1 小波变换去噪算法
        3.1.1 小波去噪问题的描述
        3.1.2 基于小波的阈值去噪问题研究
    3.2 多源信息融合算法
        3.2.1 D-S证据理论
        3.2.2 组合规则
        3.2.3 D-S理论的优缺点
    3.3 去噪结果的评价准则
        3.3.1 信噪比
        3.3.2 均方误差
        3.3.3 平滑度
    3.4 实测信号应用去噪方法的困难
    3.5 本章小结
4 粒子群算法及卡尔曼滤波算法
    4.1 粒子群优化算法简介
    4.2 基本粒子群算法
        4.2.1 粒子群算法基本原理
        4.2.2 粒子群算法的流程
    4.3 卡尔曼滤波研究方法简介
    4.4 卡尔曼滤波算法基本原理
        4.4.1 线性和非线性卡尔曼滤波方法
        4.4.2 卡尔曼滤波基本估计理论方法
    4.5 本章小结
5 粒子群优化卡尔曼滤波的算法改进和应用实现
    5.1 卡尔曼滤波误差分析
    5.2 粒子群卡尔曼滤波器的设计与实现
        5.2.1 粒子群卡尔曼滤波去噪原理
        5.2.2 粒子群卡尔曼算法实现
    5.3 粒子群卡尔曼滤波去噪细节处理
        5.3.1 仿真和实测的适应度函数选择
        5.3.2 仿真和实际应用的滤波效果指标选择
    5.4 实验仿真与结果分析
    5.5 本章小结
6 基于粒子群卡尔曼滤波的试验简支梁损伤检测
    6.1 钢筋混凝土简支梁试验
        6.1.1 相关信息
        6.1.2 试验结果及分析
    6.2 简支钢梁试验
        6.2.1 相关信息
        6.2.2 试验结果及分析
    6.3 本章小结
7 总结与前景展望
    7.1 总结
    7.2 本文创新点
    7.3 前景展望
致谢
参考文献



本文编号：2921026