[发明专利]一种时空窗口下的改进型PCA损伤检测方法

说明书

本发明公开了一种时空窗口下的改进型PCA损伤检测方法，首先，利用数值仿真或者实验手段，在损伤处于不同空间位置的多种工况下，确定不同位置损伤所对应的空间影响范围，进而确定对损伤敏感的结构空间区域，即空间窗口；其次，依据PCA原理确定与外荷载周期有关的时间窗口；最后在确定时间窗口和空间窗口后，对空间窗口内所有测点数据使用PCA方法，以特征向量作为监测指标，实时监测损伤并实现损伤定位。本发明方法是在限定的时间和空间窗口内对结构响应进行PCA分析，从而提高了损伤识别的精度和灵敏度，可利用长期结构监测数据对大跨度实体桥梁或其它结构进行损伤识别。

技术领域

本发明涉及结构损伤识别的技术领域，尤其是指一种时空窗口下的改进型PCA损伤检测方法。

背景技术

结构健康监测的目标是通过实时获取结构的响应信息进而正确评估结构的安全状态。在长期的环境因素、交通荷载和自然灾害等因素的作用下，结构可能会产生不同程度的损伤，从而引起结构力学响应发生变化，如固有频率、应变和位移等。然而，当损伤程度小或者受损位置远离传感器时，直接通过监测系统获取的响应信息有时并没有发生显著变化，因此不能直接利用原始数据正确诊断结构的健康状态。在这种情况下，需要对原始数据进行深度的学习和训练或者挖掘数据的时频域特征，从而识别结构的损伤。目前，通过对长期健康监测数据进行数据处理从而识别损伤的方法有基于神经网络与遗传算法的方法，小波分析，ARMA，PCA和MPCA等方法。神经网络与遗传算法结合的方法需要对监测系统的数据进行机器学习训练，是一种非线性的损伤检测方法。在实际服役环境中，结构受到噪声、风、重车荷载等多种随机荷载同时作用，其响应信息是多种随机因素共同作用产生的结果。而在该方法分析过程中往往不会同时考虑多种荷载作用，因此损伤识别有一定局限性，且鲁棒性较差。ARMA方法是对时序信号建立自回归平均滑动模型识别异常信号的数据处理手法。该方法所研究的时间序列必须是满足同一函数分布的平稳信号，非平稳信号需要通过差分变成平稳信号再建模，对信号要求较高。PCA(主元素分析)方法由于具备良好的去噪能力而被广泛应用，特点是可以在保证数据信息丢失最少的原则下，将多维数据压缩到少数几维。但该方法在实际损伤识别中会因为数据量随时间的增加而导致计算效率下降，且在降维的过程中会将微小损伤当做噪声处理。随后出现的MPCA方法，是在选定长度的移动的时间窗口上对结构所有测点的数据统一使用PCA，求出该时间窗内的特征向量，并通过对比特征向量在时域上的变化以识别损伤。但是，该方法将所有测点的数据统一使用PCA方法进行分析，忽略了远离损伤区域的测点的响应对损伤不敏感这一特点。因此，在数据分析过程中延迟了发现损伤的时间，降低了测损精度。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种时空窗口下的改进型PCA损伤检测方法，该方法是在限定的时间和空间窗口内对结构响应进行PCA分析，从而提高了损伤识别的精度和灵敏度，可利用长期结构监测数据对大跨度实体桥梁或其它结构进行损伤识别。

为实现上述目的，本发明所提供的技术方案为：一种时空窗口下的改进型PCA损伤检测方法，首先，利用数值仿真或者实验手段，在损伤处于不同空间位置的多种工况下，确定不同位置损伤所对应的空间影响范围，进而确定对损伤敏感的结构空间区域，即空间窗口；其次，依据PCA原理确定与外荷载周期有关的时间窗口；最后在确定时间窗口和空间窗口后，对空间窗口内所有测点数据使用PCA方法，以特征向量作为监测指标，实时监测损伤并实现损伤定位。其包括以下步骤：

1)通过无损和不同位置损伤多种工况下的响应信息，确定损伤的空间影响范围。根据空间影响范围，进一步在空间上对结构进行区域划分，实现对测点的分组，从而确定空间窗口；

2)基于外荷载周期确定PCA分析所采用的时间窗口；

3)在限定的空间窗口和时间窗口内，对结构空间窗口范围内测点所采集的响应数据，使用PCA分析，得到对应的特征向量；

4)移动时间窗口，计算不同时间窗口下的特征向量，对比分析特征向量随时间的变化，确定有无损伤及损伤出现的时间；