论文部分内容阅读
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真测试函数的分析结果表明:改进粒子群卡尔曼算法的滤波性能优于标准卡尔曼算法。重点考虑了关于适应度函数选择的问题,目前很多改进去噪方法文章以及文献去噪效果直接与已知纯净信号相比得出,即验证有效性只是针对测试的仿真信号,而仿真中全都默认已知纯净信号,尽管评价效果指标大大提升,但对于应用到实际工程的可行性很小。故为了能够适用于实测振动信号,本文提出一种具体解决途径,采用有限元模型仿真结构的动力响应作为纯净信号,在纯净信号中添加白噪声作为含噪信号,使含噪信号与实测信号的信噪比相同。实测信号的信噪比可以采用基于协方差矩阵特征值分解的方法进行估计。将纯净信号和含噪信号的均方误差作为适应度函数,进行粒子群卡尔曼滤波得到噪声矩阵最优值,可成功将粒子群卡尔曼算法应用于实测信号的去噪。随后可使用前人已有理论通过随机子空间法和静力凝聚法提取完整的模态信息进行改进的单元损伤变量进行更准确的识别。钢筋混凝土矩形截面简支梁和工字型钢梁进行振动测试,得到结构损伤前后的振动加速度信号。首先利用改进粒子群卡尔曼算法的对信号进行滤波处理,然后采用随机子空间法从实测信号中提取结构前三阶模态参数,构造出改进的损伤识别指标进行定位。分别与小波软阈值处理和D-S融合处理结果对比,结果进一步显示,此方法应用于结构损伤识别信号预处理的可行性与优越性。