[发明专利]一种融合时序分析与信息熵的栓接结合部损伤识别方法

权利要求书

1.一种融合时序分析与信息熵的栓接结合部损伤识别方法，其特征在于，所述方法包括以下步骤：

1)在栓接结合部结构上布置激励装置用于给予结构白噪声激励，同时在结构上布置多个加速度传感器用来实测结构上对应测点的加速度响应序列；

2)计算结构上所有测点加速度响应序列的标准差，以标准差最大值为归一化参数，归一化实测加速度响应，根据实测加速度响应的特点在AR模型、ARMA模型和MA模型中选择合适的时间序列模型进行数据拟合；

3)计算实测加速度响应数据与拟合模型之间的残差序列，以残差序列标准差为结构响应特征；

4)通过引入信息熵量化相邻两个测点的残差序列标准差的关系，以待测状态与基准状态加速度响应的信息熵分项差值的绝对值之和作为损伤敏感指标，识别栓接结合部结构的损伤。

2.根据权利要求1所述的一种融合时序分析与信息熵的栓接结合部损伤识别方法，其特征在于：步骤1)中，所述多个加速度传感器布置在栓接结合部结构各个连接件的两侧。

3.根据权利要求1所述的一种融合时序分析与信息熵的栓接结合部损伤识别方法，其特征在于，所述方法具体包括以下步骤：在栓接结合部结构各个连接件两侧共布置N个测点，通过加速度传感器测量白噪声激励下对应测点的加速度响应序列{x_i}，序列{x_i}表示测点i在相同时间间距Δt下采集的n个有序加速度响应序列，以N个测点采集的加速度响应序列原始数据最大标准差max(σ_i)为归一化参数，进行数据归一化：

式中是测点i加速度响应序列{x_i}的均值，是测点i在t时刻加速度响应原始数据x_i,t归一化后的值，计算各个测点的自相关系数及偏相关系数：

式中是测点i在t+kΔt时刻的加速度响应值,ρ_i(k)表示测点i的k阶自相关系数，测点i的k阶偏相关系数与AR(k)模型的第k个自回归系数的值相等，能够在MATLAB工具箱估计响应序列的AR(k)模型参数后得到，根据自相关系数和偏相关系数的性质，选择AR模型、ARMA模型或MA模型中合适的时间序列模型进行数据拟合：

式中分别表示测点i在t-Δt时刻的加速度响应值、测点i在t-2Δt时刻的加速度响应值……测点i在t-pΔt时刻的加速度响应值，ε_t、ε_t-1……ε_t-q分别表示t时刻的残差、t-Δt时刻的残差……t-qΔt时刻的残差，分别表示第一个自回归系数、第二个自回归系数……第p个自回归系数，θ₁、θ₂……θ_n分别表示第一个滑动回归系数、第二个滑动回归系数……第n个滑动回归系数，下标p、q分别表示模型中包含p阶自回归系数和q阶滑动回归系数；选择合适的时间序列模型后，利用MATLAB工具箱完成参数估计，参数估计时，先给定模型阶数，采用后验法，利用BIC准则综合考虑拟合程度和自变量个数，在众多的有效模型中选择一个最优模型：

式中n是样本容量，是残差序列方差，m是模型中的未知变量个数，确认待测状态及基准状态各个测点数据的最优模型并估计其参数，计算各个测点实测加速度响应数据与拟合模型之间的残差序列：

以各个测点实测加速度响应数据与拟合模型之间的残差序列作为各个测点结构响应特征，引入信息熵量化相邻两个测点的残差序列标准差的关系，构建的结构损伤敏感指标为待测状态与基准状态的信息熵分项差值的绝对值之和：

U_i＝-p_ilog p_i

式中σ_i(ε)和σ_i+1(ε)分别表示测点i和测点i+1的加速度响应残差序列标准差，U_i表示由测点i和测点i+1构建的信息熵分项值，其中U_j^test和U_j^ref分别表示待测状态和基准状态的信息熵分项，DSF(i)表示由测点i和测点i+1的加速度响应数据计算的损伤敏感指标值，如果待测状态来自结构基准状态，待测状态和基准状态两个相邻测点响应残差序列标准差构成的信息熵分项相同，则DSF(i)接近于零；若待测状态包含栓接结合部损伤状态，则栓接结合部所在区域DSF(i)变化远大于其它区域变化，从而能够识别栓接结合部损伤。

4.根据权利要求3所述的一种融合时序分析与信息熵的栓接结合部损伤识别方法，其特征在于：若各个测点的自相关系数拖尾，偏相关系数截尾则选择AR模型；若各个测点的自相关系数截尾，偏相关系数拖尾则选择MA模型；若各个测点的自相关系数拖尾，偏相关系数拖尾则选择ARMA模型。