[发明专利]用于减小结构模态识别不确定性的传感器布置方法

说明书

本发明属于土木工程结构健康监测技术领域，提出用于减小结构模态识别不确定性的传感器布置方法。将结构模型误差和测量噪音对测量数据的影响分离，用结构刚度变化作为模型误差，用高斯噪音作为测量噪音。并采用蒙特卡洛方法，对大量的可能情形进行模拟，得出各个模型误差情形下的结构模态矩阵；提出条件熵指标用来量化和计算模态识别参数结果的不确定性，用这个条件熵指标解决传统信息熵方法所无法解决的Fisher信息阵不确定的问题。最小的条件熵指标数值，对应的位置即为最优的传感器布置位置。本发明提出的传感器布置方法，充分考虑了结构模型误差和测量噪音对于结构模态识别的影响，对于提高结构模态参数识别的精度有着很大的帮助。

技术领域

本发明属于土木工程结构健康监测领域中的传感器优化布置，考虑结构模型误差和测量噪音对所测响应数据的影响，提出了一种使用条件熵作为准则指标的传感器布置方法。

背景技术

传感器布置是结构健康监测的重要环节，传感器获取监测数据的数量和质量直接影响着结构健康监测系统的运行性能。在如何布置有限数量的传感器，获得尽可能多的有用信息，是传感器优化布置所需要考虑的问题。在健康监测领域中，结构模态参数识别在结构状态识别、有限元模型更新和结构损伤识别中具有着非常重要的意义。结构的模态坐标和结构的响应有着线性联系，所以一般采用结构模态坐标作为所需识别的模态参数。基于结构模态坐标识别的方法已经有了不少研究：使得模态矩阵独立可区分的有效独立法；综合考虑质量阵和模态矩阵的模态动能法；量化模态参数识别不确定性的时域信息熵方法；考虑结构频域参数识别的信息熵方法等等。这些方法，大多数假设结构测量值和真实值之间的误差为高斯噪音。

目前传感器布置方法较多针对加速度(位移)传感器的布置，这些方法均能够很好地应用于结构模态参数信息的获取上。已有的考虑结构模态参数识别不确定性的传感器布置方法，在模态参数识别的准确性上表现很好。在工程实际中，加速度(位移)传感器被广泛使用，模态参数对结构的状态评估至关重要。模态参数识别的效果会受到结构模型误差和测量噪音的综合影响，已有的传感器布置方法一般只考虑测量噪噪音。本发明提出的综合考虑结构模型误差和测量噪音的用于模态参数识别的传感器布置方法，在结构健康监测中有着重大的研究前景。

发明内容

本发明中结构模型误差和测量噪音被分开考虑，提出一种全新的条件熵准则，来量化模态参数识别的不确定性。结构刚度阵的随机变化用来模拟结构的模型误差；测量噪音采用高斯噪音。通过条件熵来量化和计算所识别的模态坐标参数结果的不确定性。当条件熵的数值最小时，表示识别参数的不确定性最小，此时对应的位置即是最优的传感器布置。通过蒙特卡洛方法计算条件熵的数值大小。冗余度参数的概念的引入，可以有效避免所选传感器位置过于靠近所引起的模态信息重复的情形。一个顺序布置算法被提出，用来指导实施传感器的布置。

一种用于减小结构模态识别不确定性的传感器布置方法，步骤如下：包括结构模型误差和测量噪音的关系确立和基于条件熵的传感器布置方法两大部分；

(1)结构模型误差和测量噪音的关系确立

(1.1)在结构健康监测系统中，结构测量值和真实值之间的误差由两个原因引起：模型误差和测量噪音，由此建立以下关系：

y(t)＝S(x(t,θ)+e(t,θ)) (1)

其中：是传感器所测得的结构上Ns个自由度的响应；N_d为结构的总自由度；为传感器位置选择矩阵；是所需识别的模态参数；是测量值和真实值之间的误差；

e(t,θ)＝e_mea(t,θ)+e_mod(t,θ) (2)

其中：e_mea(t,θ)是测量噪音；e_mod(t,θ)是结构模型误差所引起的预测误差；