[发明专利]一种用于剔除时变环境因素影响的桥梁模态异常预警方法

说明书

本发明属于桥梁结构健康监测领域，提出了一种用于剔除时变环境因素影响的桥梁模态异常预警方法。首先，利用慢特征分析技术提取实测桥梁模态频率的慢特征，降低数据维度并消除冗余信息影响；其次，以相似环境荷载激励产生相似桥梁响应输出为原则，采用距离法从训练数据库中自动搜索与当前样本具有高相似度的k近邻样本集，计算其均值向量并估计模态频率的慢特征；接着，通过计算实测与估计模态频率慢特征的差分矩阵，消除时变环境因素影响；最后，针对差分矩阵构造桥梁模态异常预警指标并确定基准预警控制限。本发明无需环境监测数据，同时考虑了时变环境荷载作用下模态数据的非线性和非高斯分布特性，有利于桥梁性能异常的可靠预警。

技术领域

本发明属于桥梁结构健康监测领域，具体涉及一种用于剔除时变环境因素影响的桥梁模态异常预警方法。

背景技术

桥梁模态频率是反映结构整体特性变化和状态评估的重要参数。然而，在桥梁服役过程中，持续环境荷载作用会引起模态频率显著变化，其变化幅度可能湮没结构真实损伤引起的模态频率改变，使得传统基于模态频率预警方法的精度下降或失效。因此，如何剔除或减少多种运营环境因素的影响，获得模态频率的真实演化规律，已成为了桥梁预警领域亟需解决的关键问题之一。

为消除桥梁模态频率中潜在的环境变化，现有的剔除方法主要分为两类：1)基于输入-输出的相关建模方法：建立模态频率与环境因素之间的显式关系模型，实现模态频率的预测及环境效应的分离；2)基于输出响应的相关建模方法：无需测量环境因素，而是将环境变量视为潜在影响变量，借助机器学习等技术手段捕捉并分离环境影响。对于实际工程而言，第一类方法需要大量的环境监测数据，建立环境因素和模态频率之间的精确关系模型难度大，而第二类方法由于无需环境监测数据，就显得尤为简单且实用。其中，基于主成分分析的特征提取方法依据数据投影后方差最大化进行数据维度压缩，消除冗余信息的同时，有效提取模态变量中的环境波动趋势成分，是目前最为常用的方法。然而，主成分分析只关注模态变量间的统计特性，忽略了模态变量内部监测样本间的变化情况，导致提取的模态频率中潜在环境或损伤特征存在信息丢失的风险；此外，主成分分析方法作为一种线性变换方法，无法处理环境因素导致的模态变量间的非线性问题，同时该类方法对模态响应数据的多元高斯分布假定亦限制了其使用范围，进而无法有效剔除桥梁模态频率的环境影响，使得预警的精度降低甚至失效。为此，在时变环境因素影响下，发展一种兼顾桥梁模态响应非线性和非高斯分布特性的预警技术，对可靠评估桥梁状态具有重要意义。

发明内容

本发明旨在提出一种用于剔除时变环境因素影响的桥梁模态异常预警方法，并基于此建立相应的预警指标。本发明的技术方案是：首先，利用慢特征分析技术提取桥梁实测模态频率的慢特征，降低数据维度并消除冗余信息影响；其次，以相似环境荷载激励产生相似桥梁响应输出为原则，采用距离法从训练数据库中自动搜索与当前样本具有高相似度的k近邻样本集，计算其均值向量并估计模态频率的慢特征；接着，通过计算实测与估计模态频率慢特征的差分矩阵，消除时变环境因素影响；最后，针对差分矩阵构造桥梁模态异常预警指标并确定基准预警控制限。

本发明的技术方案：

一种用于剔除时变环境因素影响的桥梁模态异常预警方法，步骤如下：

步骤一：提取桥梁模态频率的缓慢波动趋势特征

(1)令为有p个变量和n个样本的桥梁模态频率数据集；实际应用中，使用线性慢特征分析技术提取实测模态频率中变化最缓慢的波动趋势成分，以反映结构的固有属性变化，即寻找线性映射矩阵W实现原始数据空间的线性映射，保证求得的模态频率慢特征s_i＝W_i^Tx(t)(1＜i＜p)具有最小的慢度，优化问题如下：

慢特征约束条件为：

s_it＝0