环境激励下基于时间序列模型的结构损伤识别

发布时间：2020-09-09 11:31

　　近些年来,伴随着传感器技术的飞速发展,结构健康监测(SHM)正在成为基础民用设施运行管理的重要组成部分。结构检测工程师通过评估结构的损伤状况对其进行维护重修,以减少不必要的人员和财产损失。目前,基于结构振动特性的全局检测技术已成为SHM领域的核心。其中,非模态参数法直接运用结构振动响应的数据或者通过某种变换从测量的响应数据中提取可以反应结构损伤的信息。相比于结构模态参数法,非模态参数方法方便快捷准确,有些还具备直接利用环境激励识别结构损伤的能力,更能满足结构健康监测的实用性要求。时间序列模型分析是一种基于时域分析的特征提取方法,近期越来越受到结构健康监测领域研究人员的重视。然而本文在应用时间序列模型进行特征提取时却遇到了时序模型自回归(AR)系数不稳定的问题。对于只有微小差异的近似信号同时运用时间序列模型分析,提取出的AR系数却非常不稳定。经过推导才发现是求解系数时最小二乘方程出现病态矩阵的问题导致。最后通过增加一个正则化系数来消除矩阵病态的问题。因此提出对时间序列模型进行正则化分析。并将这种用正则化分析的时序模型叫做正则化的时间序列模型。本文在研究初期,运用正则化的时间序列模型对一个三自由度链式结构模型进行了非模态参数方法分析。分别在固定模式激励与随机模式激励情形下提取结构振动响应,并直接对结构振动响应进行正则化时间序列模型分析。实验结果表明,在固定模式激励情况下,正则化的时间序列模型是可以识别结构损伤的。然而在随机模式激励情况下,损伤指标却很不稳定。在大型结构的损伤检测中,最为方便的是采用环境激励,而环境激励为随机模式激励。显然直接运用正则化时间序列模型不能识别环境激励下结构发生的损伤。虚拟脉冲响应函数是在环境荷载激励技术中扩展出来的,它不仅可以有效克服环境激励的随机性与不稳定性,更是代表结构的固有特性。为了验证虚拟脉冲响应函数的这一特性,将其与小波包能量熵的信号特征提取方法相结合对同一个三自由度链式结构模型进行损伤识别分析。对三自由度链式结构进行10次随机模式激励,对比10次随机激励的运行结果,试验结果表明虚拟脉冲响应函数与小波包能量熵相结合的方法可以有效识别环境激励下结构的损伤,但是对于轻微损伤的识别效果不好。而且三自由度链式结构的响应幅值较大,不符合实际结构所采集的响应动态幅值。小波包分析这种频域特征提取方法适合于随机信号,时间序列模型分析的时域特征提取方法更适用于非随机信号的特征提取,而虚拟脉冲响应函数在链式结构中是非随机信号,因此时间序列模型分析更加适用于特定条件下虚拟脉冲响应函数这种方法的研究。本文首次将虚拟脉冲响应函数与正则化时间序列模型分析相结合。将这种新的方法应用于上文所提及的三自由度链式结构中,同样对其进行10次随机激励。运行结果可以发现,时间序列模型分析的方法对轻微损伤更加敏感。为了验证该方法在采集结构信号幅值较小时也具有有效性,将该方法应用到一个响应幅值较小的四自由度板柱结构中。实验结果表明,当采集信号幅值较小时该方法也依然有效。为了验证方法的实用性,最后将这种新的方法应用于美国洛斯Alamos实验室的四层框架结构实验数据中,识别结果同样验证了该方法的有效性以及对环境激励的鲁棒性。
【学位单位】：大连理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TU317

【相似文献】