[发明专利]一种基于贝叶斯模型的结构预警分析方法

说明书

本发明公开了一种基于贝叶斯模型的结构预警分析方法。首先，本发明提供了一种基于贝叶斯推断的高层建筑结构参数识别方法，该方法利用高层建筑的结构响应信号本征模态函数的瞬时频率和瞬时能量构造贝叶斯模型似然函数，通过对高层建筑的结构响应信号进行经验模态分解与希尔伯特变换得到本征模态函数的瞬时频率和瞬时能量，与传统方法相比，本发明大幅降低了计算复杂性，提高了计算效率。其次，本发明建立了基于贝叶斯模型的多项结构参数与环境温度、相对湿度以及平均风速之间的概率映射关系模型，以此分析研究的不同的高层建筑结构参数随多项环境因素的变化机理与提出的基于多项结构参数的高层建筑的结构健康状况综合预警分析方法更加准确与可靠。

技术领域

本发明属于结构健康预警领域，主要涉及一种基于贝叶斯模型的结构预警分析方法。

背景技术

随着世界各地高层建筑与超高层建筑的陆续建设，其结构安全问题越来越受到关注。在高层建筑运营期间，荷载和环境的长期作用使得建筑结构材料不断老化，随着时间的推移其结构损伤不断累积，导致建筑结构使用性能不断降低甚至发生威胁人身安全与财产安全的毁坏性破坏。因此，非常有必要对高层建筑和超高层建筑进行结构健康监测，对结构的健康状况进行评估与综合预警。

结构健康监测的核心技术是结构损伤识别方法，目前常用的方法中必不可少的是信号处理技术。基于傅里叶变换的频谱分析法是结构健康监测技术中最早的信号处理方法之一,也是最常用的信号处理技术，其中快速傅立叶变换被多次用在建筑结构中识别模态参数。然而，快速傅立叶变换无法描述随时间变化的信号频谱，而且对于待处理系统和信号分别有线性要求以及周期性或平稳性要求极大地限制了其应用。短时傅里叶变换通过将一个预设的窗函数与待处理信号相乘克服了快速傅立叶变换的缺陷，但是由于海森堡不确定性原理的限制，短时傅里叶变换无法满足同样精度的时间分辨率和频率分辨率要求。学者们提出了小波变换解决上述两种常用方法的缺陷，同时使用比短时傅里叶变换中更短的时间窗用来更快速地检测信号频谱变化。与短时傅里叶变换一样，小波变换是使用预设基函数的先验方法(即基函数一经选定，就被用来处理所有信号)，往往只产生瞬时模态参数，而且由于海森堡不确定性原理的限制，其同样无法满足同样精度时间分辨率和频率分辨率要求。黄鄂教授提出希尔伯特-黄变换法，利用经验模式分解法分解信号得到的本征模态函数及其希尔伯特变换可以计算出信号的瞬时频率、瞬时幅值等参数，因此可以同时在时域和频域描述信号特性。由于该方法可以处理非线性和非稳态信号，能够描述信号随时间变化的瞬时特性，因此克服了快速傅立叶变换的缺陷。而且由于该方法的基函数即本征模态函数是完全基于信号分解而得(即不同信号分解得到的基函数是不同的)，并非预先设置的，因而该方法是非常高效的自适应方法。由于建筑结构的实测数据和结构模型具有本质不确定性，而前述的信号处理方法均为确定性方法，因此有必要在研究中考虑处理不确定性问题的方法。其中，贝叶斯推断方法由于其具有优异的不确定型推理能力与数据分析能力，在高层建筑结构健康监测领域已经得到了应用。

结构参数是评判结构健康状况的基本指标之一，结构损伤和环境因素的影响均会引起结构参数的变化。为了能够区分上述两种不同原因产生的结构参数变化，环境因素对结构参数产生的影响必须要量化。很多学者对环境因素和结构参数进行了相关性分析，分析了环境因素对结构参数的影响，然而这些基于环境因素与结构参数相关性分析的研究绝大部分的研究针对模态参数与环境因素之间的映射关系，且主要基于线性模型进行研究；大部分的研究仅针对单项环境因素对结构参数的影响，很少考虑多项环境因素的综合影响；大部分的研究考虑环境因素对结构参数的影响机制是确定性的，很少考虑影响机制存在不确定性。因此，建立基于贝叶斯推断方法的高层建筑结构参数与多项环境因素之间的概率映射关系，研究分析多环境因素综合作用下高层建筑结构参数的变化机理，从而进行高层建筑结构健康状况评估和综合预警分析非常有意义。

发明内容