基于數(shù)據(jù)整合的建筑結(jié)構(gòu)損傷識別研究.pdf

1、建筑結(jié)構(gòu)在長期的使用過程中，由于在環(huán)境侵蝕、材料老化、突變效應(yīng)等因素的共同作用下，會造成結(jié)構(gòu)系統(tǒng)的損傷積累、抗力衰退。當(dāng)損傷累積到一定的程度就可能導(dǎo)致建筑結(jié)構(gòu)的整體破壞，因此對建筑結(jié)構(gòu)進行損傷檢測具有重要的理論價值和現(xiàn)實意義。就其本質(zhì)而言，結(jié)構(gòu)損傷識別問題屬于模式識別范疇，也就是研究損傷指標(biāo)和結(jié)構(gòu)損傷狀態(tài)之間的關(guān)系問題。近年來，一些新的人工智能算法正在不斷地被應(yīng)用到結(jié)構(gòu)損傷識別領(lǐng)域的研究中來，進一步促進了結(jié)構(gòu)損傷檢測與可靠性評估工作朝著

2、智能化的方向發(fā)展。
　　本文根據(jù)國內(nèi)外在結(jié)構(gòu)損傷識別領(lǐng)域的研究現(xiàn)狀，圍繞數(shù)據(jù)融合的三個不同層次，并結(jié)合小波包分析和模式識別算法等問題進行了研究，主要工作和創(chuàng)新點有:
　　(1)提出結(jié)合隨機振動響應(yīng)互相關(guān)函數(shù)、小波包分解和支持向量機(SupportVectorMachine，SVM)的結(jié)構(gòu)損傷識別方法。用隨機振動響應(yīng)互相關(guān)函數(shù)對相鄰傳感器測點的信號進行數(shù)據(jù)層融合，計算相鄰測點響應(yīng)的互相關(guān)函數(shù)幅值，并采用小波包對得到的幅值進行分

3、解，得到各個頻帶上的總能量，利用各頻帶上的能量值作為輸入到分類器的特征向量，并用SVM進行損傷識別。對Benchmark結(jié)構(gòu)模型的實驗表明，對原始損傷信號進行隨機振動響應(yīng)互相關(guān)分析，能有效避免噪聲對響應(yīng)信號的污染，提出的方法具有較好的識別精度、穩(wěn)定性。
　　(2)提出了基于隨機森林(RandomForests，RF)和數(shù)據(jù)融合的結(jié)構(gòu)損傷識別方法。先用小波包對各個傳感器上采集到的原始信號進行分解，計算各頻帶上的總能量，再根據(jù)傳感器布

4、置的特點將不同傳感器上的總能量進行特征層融合，最后將融合后的能量值作為隨機森林分類器的特征向量進行損傷識別。提出的方法在Benchmark結(jié)構(gòu)模型和某八層剪切型鋼框架結(jié)構(gòu)模型上均取得了良好的實驗效果，表明經(jīng)過融合后的特征向量能有效提高不同損傷類別之間的差異性。
　　(3)提出了基于后驗概率支持向量機(PosterioriProbabilitySupportVectorMachine，PPSVM)和DS證據(jù)理論(Dempster-S