橋梁結(jié)構(gòu)多體系損傷識別方法技術(shù)

本發(fā)明專利技術(shù)公開了一種橋梁結(jié)構(gòu)多體系損傷識別方法，該方法的具體內(nèi)容為：基于模式識別的損傷識別、基于系統(tǒng)識別的損傷識別、基于人工巡檢的局部損傷識別及基于熵權(quán)的損傷狀態(tài)的融合。本發(fā)明專利技術(shù)提出聯(lián)合采用模式識別和系統(tǒng)辨識兩種方法體系進行損傷識別，并引入熵權(quán)對識別結(jié)果進行整合，得到整體損傷信息，再結(jié)合人工巡檢得到的結(jié)構(gòu)局部損傷信息，對結(jié)構(gòu)給予較為全面準(zhǔn)確可靠的損傷識別結(jié)果。適用于結(jié)構(gòu)健康監(jiān)測損傷識別技術(shù)領(lǐng)域。

【技術(shù)實現(xiàn)步驟摘要】
橋梁結(jié)構(gòu)多體系損傷識別方法
本專利技術(shù)屬于結(jié)構(gòu)健康監(jiān)測損傷識別
，涉及一種橋梁結(jié)構(gòu)多體系損傷識別方法，尤其涉及一種基于熵權(quán)的多體系損傷識別方法。
技術(shù)介紹
結(jié)構(gòu)損傷識別問題是一個測量信息不完備、難度和復(fù)雜度都很大、費時費力的問題。但是，準(zhǔn)確及時的損傷識別對防止惡性事故的發(fā)生、提高結(jié)構(gòu)的可靠性和耐久性具有重要的現(xiàn)實意義。目前損傷識別正處于研究階段，各種理論與方法正日新月異地發(fā)展。主要的識別方法按照有無反演可分為有反演的優(yōu)化識別方法和無反演的現(xiàn)代模式識別方法。有反演的優(yōu)化識別是將損傷識別問題看成一種系統(tǒng)識別的反問題，采用優(yōu)化算法進行求解。優(yōu)點是思路清晰，易于理解和接受，缺點是最優(yōu)化方法與有限元方法耦合在一起，相互之間不斷地調(diào)用，增加了識別問題的復(fù)雜性，且容易使結(jié)果陷入局部極小值而變得不可靠。無反演的現(xiàn)代模式識別方法是多學(xué)科領(lǐng)域的交叉，涉及統(tǒng)計學(xué)、模糊集論、工程學(xué)、人工智能、計算機科學(xué)等，采用模式識別的方法進行結(jié)構(gòu)損傷識別研究。與優(yōu)化識別相比，模式識別的優(yōu)點是將結(jié)構(gòu)有限元計算與模式識別兩個計算過程分開，使其互不干涉，降低了識別難度，同時便于利用現(xiàn)有的結(jié)構(gòu)計算理論分析損傷識別問題。缺點是由于模式識別過程較多，計算結(jié)果受計算規(guī)模、樣本的選取，分類器的選擇等眾多因素的影響而可能變得不穩(wěn)定。現(xiàn)有的結(jié)構(gòu)損傷識別，都是采用某一種方法進行，但由于結(jié)構(gòu)的損傷識別問題屬于較為復(fù)雜的反問題，不適定性是其本質(zhì)屬性，極易發(fā)生誤判。因此，采用將多種方法結(jié)合起來識別結(jié)構(gòu)的損傷具有很強的發(fā)展趨勢，這樣可以克服各自方法的缺點并相互檢查，與損傷識別的復(fù)雜性相適應(yīng)。按照信息熵思想，從系統(tǒng)獲得信息多少和“質(zhì)量”，是評估精度和可靠性的決定因素。所以在損傷識別結(jié)果融合時，若能從熵入手，通過分析各類指標(biāo)的熵值，便可確定其對結(jié)構(gòu)損傷的相對重要程度，從而確定權(quán)重-即熵權(quán)。進而對結(jié)果作出客觀評價。
技術(shù)實現(xiàn)思路
為了克服現(xiàn)有技術(shù)中存在的以上缺陷，本專利技術(shù)提供一種橋梁結(jié)構(gòu)多體系損傷識別方法，該方法解決的技術(shù)問題是如何對現(xiàn)有的各種損傷識別方法綜合使用以獲得最佳的損傷識別效果。基于方法優(yōu)勢互補的原則，本專利技術(shù)提出聯(lián)合采用模式識別和系統(tǒng)辨識兩種方法體系進行損傷識別，并引入熵權(quán)對識別結(jié)果進行整合，得到整體損傷信息，再結(jié)合人工巡檢得到的結(jié)構(gòu)局部損傷信息，對結(jié)構(gòu)給予較為全面準(zhǔn)確可靠的損傷識別結(jié)果。技術(shù)方案為：一種橋梁結(jié)構(gòu)多體系損傷識別方法，該方法的內(nèi)容包括：基于模式識別的損傷識別、基于系統(tǒng)識別的損傷識別、基于人工巡檢的局部損傷識別及基于熵權(quán)的損傷狀態(tài)的融合。基于模式識別的結(jié)構(gòu)損傷識別的關(guān)鍵在于損傷敏感指標(biāo)的提取及面向損傷識別的分類器(神經(jīng)網(wǎng)絡(luò)或支持向量機等)的建立。其基本步驟為，首先對結(jié)構(gòu)的可能損傷狀態(tài)進行分析，對于每種可能的結(jié)構(gòu)損傷狀態(tài)基于概率參數(shù)結(jié)構(gòu)基準(zhǔn)模型進行有限元分析，從中提取結(jié)構(gòu)損傷狀態(tài)的敏感指標(biāo)，確定分類器，并對樣本進行大量訓(xùn)練，完成樣本訓(xùn)練后，使用訓(xùn)練后的分類器，進行模式識別。基于反演優(yōu)化的損傷識別以較為成熟的系統(tǒng)辨識理論為基礎(chǔ)，將結(jié)構(gòu)的損傷識別問題轉(zhuǎn)化為最優(yōu)化問題進行求解。引入熵權(quán)對識別結(jié)果進行整合，得到整體損傷信息，再結(jié)合人工巡檢得到的結(jié)構(gòu)局部損傷信息，對結(jié)構(gòu)給予較為全面準(zhǔn)確可靠的損傷識別結(jié)果。本專利技術(shù)的有益效果：(1)本專利技術(shù)采用損傷識別方法的融合。基于熵權(quán)，將有反演的系統(tǒng)識別與無反演的模式識別的整體損傷結(jié)果進行信息融合，獲得更為可靠的結(jié)構(gòu)整體損傷信息。(2)本專利技術(shù)所述方法損傷識別與人工巡檢信息的結(jié)合。通過人工巡檢，得到結(jié)構(gòu)局部損傷；將結(jié)構(gòu)局部損傷與結(jié)構(gòu)整體損傷識別的信息進行融合。(3)通過本專利技術(shù)的方法，可獲得可靠性高，更符合損傷識別不適定性的識別結(jié)果。附圖說明圖1為本專利技術(shù)橋梁結(jié)構(gòu)多體系損傷識別方法的流程圖。具體實施方式下面結(jié)合附圖和本專利技術(shù)實施例作進一步詳細地說明。本專利技術(shù)提供的損傷識別方法分別采用反演分析方法和模式識別方法進行損傷識別，同時要進行人工巡檢。人工巡檢如圖1，是對實時監(jiān)測有問題數(shù)據(jù)進行包括構(gòu)件檢查和外觀檢查在內(nèi)的詳細檢查，通過該方法進一步確定結(jié)構(gòu)局部性損傷。反演優(yōu)化如圖1，是根據(jù)實時監(jiān)測得到的數(shù)據(jù)作為初始變量，通過有限元計算和優(yōu)化算法(現(xiàn)有優(yōu)化算法的任何一種)最后是得有限元計算和實時監(jiān)測到的數(shù)據(jù)差值在允許誤差范圍內(nèi)，進而進行損傷識別。模式識別如圖1，首先對結(jié)構(gòu)的可能損傷狀態(tài)進行分析，對于每種可能的結(jié)構(gòu)損傷狀態(tài)基于概率參數(shù)結(jié)構(gòu)基準(zhǔn)模型進行有限元分析，從中提取結(jié)構(gòu)損傷狀態(tài)的敏感指標(biāo)，形成樣本庫，然后確定分類器(可以是現(xiàn)有分類器的任何一種，如人工神經(jīng)網(wǎng)絡(luò)或支持向量機)，并對樣本進行大量訓(xùn)練，完成樣本訓(xùn)練后，使用訓(xùn)練后的分類器，進行損傷識別。然后計算模式識別和優(yōu)化識別的損傷結(jié)果的熵權(quán)，再對熵權(quán)值進行比較，若有m個評價指標(biāo)，n個評價系統(tǒng)。首先，構(gòu)造指標(biāo)水平矩陣，并將其標(biāo)準(zhǔn)化：按熵權(quán)公式可以算出各指標(biāo)熵權(quán)其中：求方案集映射距離：一般情況下，取p＝1，注重偏差總和：或取P＝2，注重個別偏差較大者：這樣便可以按照L由小到大對各評價系統(tǒng)進行排序，判斷其優(yōu)劣，距離小者更接近要求。最后再將人工巡檢的信息與整體損傷的結(jié)果進行對比，融合，得到最終的結(jié)構(gòu)損傷信息。以上所述，僅為本專利技術(shù)所述方法較佳的實施方式。本專利技術(shù)的保護范圍不限于此，任何熟悉本
的技術(shù)人員在本專利技術(shù)披露的技術(shù)范圍內(nèi)，可顯而易見地得到的技術(shù)方案的簡單變化或等效替換均落入本專利技術(shù)的保護范圍內(nèi)。本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種橋梁結(jié)構(gòu)多體系損傷識別方法，其特征在于，具體內(nèi)容包括：基于模式識別的損傷識別、基于系統(tǒng)識別的損傷識別、基于人工巡檢的局部損傷識別及基于熵權(quán)的損傷狀態(tài)的融合。

【技術(shù)特征摘要】
1.一種橋梁結(jié)構(gòu)多體系損傷識別方法，其特征在于，具體內(nèi)容包括：基于模式識別的損傷識別、基于系統(tǒng)識別的損傷識別、基于人工巡檢的局部損傷識別及基于熵權(quán)的損傷狀態(tài)的融合；首先對結(jié)構(gòu)的可能損傷狀態(tài)進行分析，對于每種可能的結(jié)構(gòu)損傷狀態(tài)基于概率參數(shù)結(jié)構(gòu)基準(zhǔn)模型進行有限元分析，從中提取結(jié)構(gòu)損傷狀態(tài)的敏感指標(biāo)，形成樣本庫，確定分類器，并對樣本進行大量訓(xùn)練，完成樣本訓(xùn)練后，使用訓(xùn)練后的分類器，進行模式識別；然后計算模式識別和優(yōu)化識別的損傷結(jié)果的熵權(quán)，再對熵權(quán)值進行比較，若有m個評價指標(biāo)，n個評價系統(tǒng)；首先，構(gòu)造指標(biāo)水平矩陣，并將其標(biāo)準(zhǔn)化：按熵權(quán)公式可以算出各指標(biāo)熵權(quán)其中：求方案集映射...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：梁鵬，吳向男，任美龍，張其浪，甄東曉，魏洪昌，徐岳，李斌，
申請(專利權(quán))人：長安大學(xué)，
類型：發(fā)明
國別省市：