论文部分内容阅读
随着世界经济的发展与技术需求的日益增大,各国在建和即将建设的土木工程设施越来越多,设施规模也大幅增长。但同时,这些土木结构也常面临诸多安全隐患,长期的运营使用、意外的自然灾害、恶劣的环境侵蚀等,不仅造成结构的损伤累积,甚至重创国家经济,危及人民生命财产。因此,对结构损伤的诊断和识别具有重要的理论和现实意义。本文针对结构损伤识别问题,研究了基于鲁棒独立分量分析的结构损伤特征提取方法,研究工作如下:研究了基于峭度的独立分量分析(k-FastICA)算法和鲁棒独立分量分析(RobustICA)算法的分离性能。在论述了独立分量分析理论的基础上,通过大量仿真实验验证了kFastICA算法与RobustICA算法分别对超高斯源信号、亚高斯源信号、超亚高斯混合源信号的分离特性,证明了RobustICA算法分离超高斯信号时的高精确度和快速收敛性。同时研究了信噪比和采样点数对两种算法分离性能的影响,实验证明在信噪比低和采样点数少的条件下RobustICA算法仍具有较高的分离精度。进一步的实验结果表明,RobustICA算法对复值信号同样显示出很好的分离效果。实现了RobustICA算法对结构损伤工况的特征提取。对比RobustICA算法与kFastICA算法对结构振动信号的分离特性,利用结构损伤模拟数据验证了RobustICA算法在结构损伤特征提取方面优于k-FastICA算法,主要体现为RobustICA算法分离出分量之间的独立性和精确度更高。同时将RobustICA算法应用于经典的Phase II IASCASCE实测结构数据中,通过对10路检测信号的盲分离处理,实现了环境振动以及力锤敲击激励下结构的无损伤、移除东侧所有斜支撑、移除所有层东南侧斜支撑、移除基层和第三层东南侧斜支撑、移除基层东南侧斜支撑、移除所有层东南侧斜支撑和第一层北侧斜支撑这六种工况的特征频率提取,提取精确度较高。进一步地,通过计算损伤工况与无损工况的刚度比,实现了损伤工况损伤程度的精确识别。针对实际工程应用中普遍存在的单通道盲源分离问题,实现了基于VMDRobustICA算法的单路观测信号特征提取。先利用变分模态分解法(VMD)对复杂的单通道混合信号进行预处理,旨在将其分解为多个IMF分量;继而将分离得到的多个IMF分量作为RobustICA算法的输入,对混合信号进行再分离,实现源信号的特征提取。并将该方法应用于实测桥梁振动数据中,提取了桥梁索力在无车经过、一辆小车经过、一辆大车经过、连续小车经过、连续大车经过、大小车混合经过六种条件下的特征频率。