基于独立分量分析的桥梁状态特征提取与识别研究中文摘要

桥梁健康监测系统中海量数据处理及状态特征的提取与识别已成为系统应用成败的关键。本研究从高阶统计分析的层面应用最新信号处理工具－独立分量分析来提取振动响应中表征结构状态的隐含信息。采用将独立分量分析理论、仿真分析、模型实验和实桥试验相结合的方法，对影响结构状态特征提取的主要因素，即：传感器优化布置、信号降噪、独立分量分析改进算法、独立分量优选、状态特征向量构建等进行系统研究，并对整合了粒子集团优化算法的支持向量机的分类识别精度、算法稳健性等进行研究。根据仿真分析和模型试验的结果，提出一整套应用独立分量分析及支持向量机对结构振动响应进行分析并实现桥梁状态特征提取与分类识别的分析理论和实用算法。相关应用基础研究将有助于研究人员对桥梁状态信息的深层次理解，这对存在适用性困惑的桥梁健康监测系统的正确应用与进步有实际意义。 2100433B

陈孝珍. 基于静态测量数据的桥梁结构损伤识别研究[D].华中科技大学,2005.2100433B

随着现代科学技术的迅速发展,高耸建筑、大跨度桥梁结构不断涌现,同时大量基础设施随着使用时间的增长,许多土木工程结构进入了老化阶段。为确保人民生命财产安全,需要快速有效地识别出工程结构可能发生损伤的部位和损伤大小,及时掌握结构运营下的健康状况。近年来结构安全性检测与健康监测的研究与应用已成为土木工程研究的前沿性课题之一,由于静态测量数据测量精度高,且容易获得,因此研究基于静态测量数据的结构安全性评估具有重要的理论与应用价值。本文在国家自然科学基金(No.50378041)和教育部博士点基金(No. 20030487016)的资助下研究了基于静态测量信息的结构损伤检测方法及其在复杂结构中的应用。在系统总结了近年来结构损伤识别的基本方法和一些研究思路的基础上,利用灰色系统理论,对基于不完备的自由度测量信息条件下的结构损伤定位方法进行了进一步的深入研究,提出了基于静态测量位移的结构损伤定位方法。由于损伤大小的识别最终可归结为参数识别的最优化问题,因此,可利用遗传算法对测量信息不多的情况下的损伤进行迅速而又准确的识别。本文在分析传统遗传算法在损伤识别的应用研究的基础上,将模糊理论与遗传算法相结合,对传统的遗传算法进行了改进,发展了基于改进遗传算法的结构损伤识别方法。

如何科学地评估服役桥梁结构的性能是工程领域遇到的难题之一，而基于桥梁静动力实验基础上的结构识别是解决这个难题的最好的途径。由于传统的单模型结构识别理论在面临多种误差来源时存在着局限性，成功的桥梁结构识别例子不多且应用前景并不为桥梁管理部门所看好。本研究将在分析结构识别中误差来源的基础上用多模型的方法进行桥梁结构识别研究，用来探索提高桥梁结构性能评估及决策的可靠性问题。本项目主要研究内容包括，基于桥梁模型碎片库的交互式编程的建模研究，基于最大熵原理的多模型结构传感器最优布设方法，基于数据挖掘技术的多模型分类和甄选，以及基于贝叶斯统计理论的多模型结构反应预测。构造的科学问题是通过融合建模、传感器优化布置、数据挖掘和贝叶斯统计方法，利用多模型结构识别方法科学地评估桥梁性能并提供决策支持。该研究对阐明多模型结构识别原理和提高结构识别的可靠性有着重要意义。