環(huán)境變化下基于主成分分析的海洋平臺(tái)結(jié)構(gòu)損傷識(shí)別研究.pdf

1、海洋平臺(tái)具有結(jié)構(gòu)復(fù)雜，體積龐大等特點(diǎn)，并長(zhǎng)期服役于惡劣的海洋環(huán)境中，極易發(fā)生損傷破壞，因此對(duì)海洋平臺(tái)進(jìn)行健康監(jiān)測(cè)和損傷識(shí)別有著重要的理論和現(xiàn)實(shí)意義。基于振動(dòng)的結(jié)構(gòu)損傷識(shí)別方法可以根據(jù)結(jié)構(gòu)損傷前后特征參數(shù)的變化進(jìn)行損傷識(shí)別，但由環(huán)境因素的改變所引起的結(jié)構(gòu)特征參數(shù)的變化往往掩蓋了結(jié)構(gòu)損傷所引起的特征參數(shù)的變化。為此，本文利用主成分分析(Principle ComponentAnalysis，簡(jiǎn)稱(chēng)PCA)進(jìn)行環(huán)境因素影響下的海洋平臺(tái)結(jié)構(gòu)損傷識(shí)

2、別研究，主要內(nèi)容如下:
　　(1)綜述了國(guó)內(nèi)外環(huán)境因素（溫度、質(zhì)量）對(duì)結(jié)構(gòu)特征參數(shù)的影響;將去除環(huán)境因素影響的結(jié)構(gòu)損傷識(shí)別方法進(jìn)行評(píng)述，并指出了其優(yōu)缺點(diǎn)。
　　(2)環(huán)境因素影響下基于自回歸(Auto-Regressive，簡(jiǎn)稱(chēng)AR)模型和主成分分析的結(jié)構(gòu)損傷識(shí)別研究。首先利用AR模型對(duì)不同節(jié)點(diǎn)處的加速度響應(yīng)進(jìn)行擬合，提取AR模型系數(shù)，然后采用PCA技術(shù)將數(shù)據(jù)標(biāo)準(zhǔn)化處理后的AR模型系數(shù)投影至受環(huán)境因素影響大的低維空間，再逆投

3、影至原始空間，在原始空間中構(gòu)造Q統(tǒng)計(jì)量，將Q統(tǒng)計(jì)量作為去除環(huán)境因素影響的損傷指標(biāo)，最后結(jié)合統(tǒng)計(jì)控制圖對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別研究。海洋平臺(tái)結(jié)構(gòu)數(shù)值模擬和模型試驗(yàn)結(jié)果表明，在合理地選擇主成分階數(shù)的前提下，該方法可以有效的去除環(huán)境因素對(duì)損傷識(shí)別的影響，但對(duì)于結(jié)構(gòu)損傷程度較小的工況，其識(shí)別效果較差。
　　(3)環(huán)境因素影響下基于AR模型和核主成分分析(Kernel PrincipleComponent Analysis，簡(jiǎn)稱(chēng)KPCA)的結(jié)構(gòu)損

4、傷識(shí)別研究。首先利用AR模型對(duì)不同節(jié)點(diǎn)處的加速度響應(yīng)進(jìn)行擬合，提取AR模型系數(shù)，然后利用核函數(shù)將數(shù)據(jù)標(biāo)準(zhǔn)化處理后的AR模型系數(shù)投影到高維特征空間中，在高維特征空間中進(jìn)行主成分分析并構(gòu)造Q統(tǒng)計(jì)量和得分圖，根據(jù)得分圖發(fā)現(xiàn)KPCA的可分性?xún)?yōu)于PCA的可分性;最后將Q統(tǒng)計(jì)量作為去除了環(huán)境因素影響的損傷指標(biāo)，同時(shí)結(jié)合統(tǒng)計(jì)控制圖對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別研究。海洋平臺(tái)結(jié)構(gòu)數(shù)值模擬和模型試驗(yàn)結(jié)果表明，核主成分分析技術(shù)能夠去除環(huán)境因素對(duì)損傷識(shí)別的影響，而且可以