环境激励下结构模态参数识别的机器学习方法
发布时间：2021-10-20 13:43
结构的模态参数（频率、振型、阻尼比）是结构的一个固有本质特性,是了解结构动力特性、进行结构损伤检测与安全评估的重要依据。然而,传统的结构模态参数识别方法在应用时往往需要较多的人工干预和参数设置,在结构健康监测系统中难以实现模态参数的自动识别,严重影响结构健康监测系统在线预警。如何实现结构模态参数的智能识别是值得研究的问题,为此,本文结合机器学习理论,研究环境激励下结构模态参数的智能方法。本文主要研究内容包括:提出了一种基于模态独立性的环境激励下结构模态参数识别的机器学习方法。该方法首先将模态参数识别问题转化为深度学习问题,然后考虑模态响应的不相关性和非高斯性构造损失函数以估算模态参数。对数值模拟算例和某斜拉桥结构健康监测数据进行了验证,结果表明,所提出的方法与常用的频域分解法,随机子空间法和NEx T+ERA方法等具有相似的模态识别精度,但明显优于传统独立成分分析方法。提出的方法具有一定的智能数据处理能力,为环境激励下的结构模态参数识别提供一种新的选择。提出了一种基于结构响应时频域稀疏性的环境激励下结构模态参数识别的机器学习方法。利用结构振动响应数据在时频域具有稀疏性的特点,首先将结构...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
近些年
哈尔滨工业大学工程硕士学位论文-2-一艘佛山籍运砂船偏离主航道航行撞击九江大桥，导致桥面坍塌约200米，导致9人死亡。而且桥梁维修的费用也越来越高。以美国为例，20世纪80年代末，桥梁维修的费用就达到了1500亿美元，到了90年代，全国70万座桥梁有60%需要维修，费用高达3500亿美元，21世纪费用预计达到12000亿美元[1]。所以，结构的健康监测也是一个十分重要的问题。a)美国俄亥俄大桥倒塌b)韩国圣水大桥倒塌c)重庆彩虹桥倒塌d)九江大桥事故图1-2近些年桥梁倒塌事故模态参数识别是结构健康监测十分重要的内容，因为模态参数是识别结构是否“健康”的重要指标，所以准确识别出模态参数是了解结构振动特性、进行健康监测的重要依据。模态参数是反映结构的动力特性的主要参数。传统的结构安全评价方法通过静载试验分析结构的受力、变形和稳定性等特性[2]。然而，实际的土木结构不仅承受静力荷载，还承受大量的动力荷载，如车辆荷载、风荷载、地震荷载等。所以仅仅了解结构的静力特性不能完全了解结构的特性，还需要了解结构在动力荷载下特性[2]。结构的模态参数（频率、振型、阻尼比）是结构的一个固有本质特性，反映了结构在外力作用下的反应，表征了结构的“性格”，是了解结构动态特性、进行结构损伤检测与安全评估的重要依据，所以准确识别结构的模态参数具有重要的意义。模态参数识别从20世纪60年代至今逐渐发展成熟[2,3]。它和有限元分析构成了结构动力学的两大支柱，有限元问题是结构动力学的“正问题”方法，模态参数识别是结构动力学的“反问题”方法[3,4]。结构的模态参数识别是结构动力学的经典反
哈尔滨工业大学工程硕士学位论文-9-况下，稀疏成分分析也可以仅依靠输出响应简单有效地识别模态参数[18]。大多数盲源分离方法利用四种类型的数学属性，即信号源之间的相互独立性、信号源的稀疏性、信号源的时间结构和信号源的非平稳特性。在本文的第二章和第三章中将详细介绍基于信号源之间的相互独立性的方法和基于信号源的稀疏性的方法。1.3机器学习简介及其在方程求解中的研究现状1.3.1机器学习简介机器学习（MachineLearning）是近年来的一大热门话题。机器学习也被称为统计学习理论，是人工智能的重要分支。它通过数据分析获得数据的规律，并将这些规律应用于预测或判定其他未知数据。机器学习目前广泛应用于计算机视觉和自然语言处理等领域。机器学习的具体算法包括决策树、感知机、神经网络、支持向量机、马尔科夫链等。神经网络是机器学习的一个重要算法，也是奠定深度学习发展的基础算法，它的思想影响了深度学习，使得深度学习成为人工智能中极为重要的技术之一。而深度神经网络（DeepNeuralNetwork，DNN）就是有很多层隐藏层的神经网络。神经网络作为一种常用的方法，是一种通过模仿生物的神经网络结构和功能的数学模型，是一种自适应的计算模型。它通过感知外部信息的变化来改变系统的内部结构。神经网络由许多的神经元组成，神经元之间的相互联系构成信息处理的庞大网络。神经网络的优势在于它是一个能够通过现有数据进行自我学习、总结、归纳的系统，能够推理产生一个智能识别系统，从而成为人工智能技术的重要基石。图1-3一个典型的神经网络如图1-3所示，一个完整的神经网络由输入层、隐藏层、输出层三部分组成。
【参考文献】：
期刊论文
[1]结构健康监测数据科学与工程研究进展[J]. 鲍跃全,陈智成,魏世银,徐阳,唐志一,李惠. Engineering. 2019(02)
[2]基于计算机视觉的民用基础设施的检查与监测研究进展[J]. Billie F.Spencer Jr.,Vedhus Hoskere,Yasutaka Narazaki. Engineering. 2019(02)
[3]结构健康监测数据科学与工程[J]. 李惠,鲍跃全,李顺龙,张东昱. 工程力学. 2015(08)
博士论文
[1]基于盲源分离技术的工程结构模态参数识别方法研究[D]. 张晓丹.北京交通大学 2010
硕士论文
[1]桥梁工程重大坍塌事故调查与分析[D]. 侯秀丽.中南大学 2006
本文编号：3447005
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
近些年
哈尔滨工业大学工程硕士学位论文-2-一艘佛山籍运砂船偏离主航道航行撞击九江大桥，导致桥面坍塌约200米，导致9人死亡。而且桥梁维修的费用也越来越高。以美国为例，20世纪80年代末，桥梁维修的费用就达到了1500亿美元，到了90年代，全国70万座桥梁有60%需要维修，费用高达3500亿美元，21世纪费用预计达到12000亿美元[1]。所以，结构的健康监测也是一个十分重要的问题。a)美国俄亥俄大桥倒塌b)韩国圣水大桥倒塌c)重庆彩虹桥倒塌d)九江大桥事故图1-2近些年桥梁倒塌事故模态参数识别是结构健康监测十分重要的内容，因为模态参数是识别结构是否“健康”的重要指标，所以准确识别出模态参数是了解结构振动特性、进行健康监测的重要依据。模态参数是反映结构的动力特性的主要参数。传统的结构安全评价方法通过静载试验分析结构的受力、变形和稳定性等特性[2]。然而，实际的土木结构不仅承受静力荷载，还承受大量的动力荷载，如车辆荷载、风荷载、地震荷载等。所以仅仅了解结构的静力特性不能完全了解结构的特性，还需要了解结构在动力荷载下特性[2]。结构的模态参数（频率、振型、阻尼比）是结构的一个固有本质特性，反映了结构在外力作用下的反应，表征了结构的“性格”，是了解结构动态特性、进行结构损伤检测与安全评估的重要依据，所以准确识别结构的模态参数具有重要的意义。模态参数识别从20世纪60年代至今逐渐发展成熟[2,3]。它和有限元分析构成了结构动力学的两大支柱，有限元问题是结构动力学的“正问题”方法，模态参数识别是结构动力学的“反问题”方法[3,4]。结构的模态参数识别是结构动力学的经典反
哈尔滨工业大学工程硕士学位论文-9-况下，稀疏成分分析也可以仅依靠输出响应简单有效地识别模态参数[18]。大多数盲源分离方法利用四种类型的数学属性，即信号源之间的相互独立性、信号源的稀疏性、信号源的时间结构和信号源的非平稳特性。在本文的第二章和第三章中将详细介绍基于信号源之间的相互独立性的方法和基于信号源的稀疏性的方法。1.3机器学习简介及其在方程求解中的研究现状1.3.1机器学习简介机器学习（MachineLearning）是近年来的一大热门话题。机器学习也被称为统计学习理论，是人工智能的重要分支。它通过数据分析获得数据的规律，并将这些规律应用于预测或判定其他未知数据。机器学习目前广泛应用于计算机视觉和自然语言处理等领域。机器学习的具体算法包括决策树、感知机、神经网络、支持向量机、马尔科夫链等。神经网络是机器学习的一个重要算法，也是奠定深度学习发展的基础算法，它的思想影响了深度学习，使得深度学习成为人工智能中极为重要的技术之一。而深度神经网络（DeepNeuralNetwork，DNN）就是有很多层隐藏层的神经网络。神经网络作为一种常用的方法，是一种通过模仿生物的神经网络结构和功能的数学模型，是一种自适应的计算模型。它通过感知外部信息的变化来改变系统的内部结构。神经网络由许多的神经元组成，神经元之间的相互联系构成信息处理的庞大网络。神经网络的优势在于它是一个能够通过现有数据进行自我学习、总结、归纳的系统，能够推理产生一个智能识别系统，从而成为人工智能技术的重要基石。图1-3一个典型的神经网络如图1-3所示，一个完整的神经网络由输入层、隐藏层、输出层三部分组成。
【参考文献】：
期刊论文
[1]结构健康监测数据科学与工程研究进展[J]. 鲍跃全,陈智成,魏世银,徐阳,唐志一,李惠. Engineering. 2019(02)
[2]基于计算机视觉的民用基础设施的检查与监测研究进展[J]. Billie F.Spencer Jr.,Vedhus Hoskere,Yasutaka Narazaki. Engineering. 2019(02)
[3]结构健康监测数据科学与工程[J]. 李惠,鲍跃全,李顺龙,张东昱. 工程力学. 2015(08)
博士论文
[1]基于盲源分离技术的工程结构模态参数识别方法研究[D]. 张晓丹.北京交通大学 2010
硕士论文
[1]桥梁工程重大坍塌事故调查与分析[D]. 侯秀丽.中南大学 2006
本文编号：3447005
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3447005.html
