基于ar-arx模型的橋梁實(shí)時(shí)損傷預(yù)警方法
【專利摘要】本發(fā)明涉及橋梁結(jié)構(gòu)損傷識(shí)別的【技術(shù)領(lǐng)域】，為提供一種橋梁實(shí)時(shí)損傷預(yù)警方法，減小其主觀性，同時(shí)，可操作性強(qiáng)，可有效識(shí)別結(jié)構(gòu)損傷位置和損傷程度，提高損傷預(yù)警的精度和效率。為此，本發(fā)明采取的技術(shù)方案是，基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，包括如下步驟：1)在目標(biāo)實(shí)橋上布置傳感器；2)獲取環(huán)境激勵(lì)下橋梁實(shí)時(shí)監(jiān)測的動(dòng)態(tài)信號(hào)；3)選定基準(zhǔn)狀態(tài)和未知狀態(tài)；4)將每個(gè)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；5)建立自回歸AR模型，利用AR模型系數(shù)進(jìn)行數(shù)據(jù)樣本匹配處理；6)建立帶有外部輸入的自回歸ARX模型；7)對DF值進(jìn)行統(tǒng)計(jì)評估確定統(tǒng)計(jì)特性值PD；8)確定閾值、預(yù)警。本發(fā)明主要應(yīng)用于橋梁結(jié)構(gòu)損傷識(shí)別。
【專利說明】基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及橋梁結(jié)構(gòu)損傷識(shí)別的【技術(shù)領(lǐng)域】，特別涉及一種基于時(shí)間序列模型殘差 的結(jié)構(gòu)實(shí)時(shí)損傷預(yù)警方法。 技術(shù)背景
[0002] 交通運(yùn)輸事業(yè)的發(fā)展和完善對國民經(jīng)濟(jì)的高速穩(wěn)定增長起著重大的作用，而橋梁 結(jié)構(gòu)的正常運(yùn)行是交通運(yùn)輸系統(tǒng)正常運(yùn)轉(zhuǎn)的前提。隨著交通量的不斷上漲，結(jié)構(gòu)出現(xiàn)破損 的現(xiàn)象也在增加，導(dǎo)致橋梁承載力下降，若不能及時(shí)識(shí)別損傷，使其累積到一定程度，一旦 發(fā)生破壞，將給社會(huì)帶來重大的損失。因此，對橋梁進(jìn)行損傷識(shí)別研究，具有重要的理論意 義和使用價(jià)值。
[0003] 當(dāng)前國內(nèi)已有的以及新建的大跨度橋梁的結(jié)構(gòu)健康監(jiān)測系統(tǒng)是利用現(xiàn)場的無損 傳感技術(shù)，獲取結(jié)構(gòu)實(shí)時(shí)監(jiān)測信號(hào)，通過分析結(jié)構(gòu)物理參數(shù)與結(jié)構(gòu)動(dòng)力特征的變化來研究 結(jié)構(gòu)系統(tǒng)特性，如基于固有頻率、模態(tài)振型、模態(tài)曲率、剛度矩陣、柔度矩陣及模型修正等。 因此可以通過分析結(jié)構(gòu)系統(tǒng)特性來識(shí)別損傷。然而，上述方法有其局限性，例如，對于大型 橋梁結(jié)構(gòu)，高階模態(tài)很難獲得；模態(tài)振型測量不完整；測量點(diǎn)需要優(yōu)化選擇等。
[0004] 目前，基于結(jié)構(gòu)振動(dòng)特性的橋梁損傷識(shí)別方法存在數(shù)據(jù)量大、計(jì)算復(fù)雜和損傷識(shí) 別效率不高等缺點(diǎn)，而且在實(shí)際應(yīng)用中嚴(yán)重依賴于傳感器和解釋算法，不能進(jìn)行有效的實(shí) 時(shí)損傷預(yù)警的問題。


【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有的橋梁損傷預(yù)警方法數(shù)據(jù)量大、計(jì)算復(fù)雜和識(shí)別損傷效率不高等缺點(diǎn)， 不能進(jìn)行有效的實(shí)時(shí)損傷預(yù)警的問題。為克服現(xiàn)有技術(shù)的不足，提供一種橋梁實(shí)時(shí)損傷 預(yù)警方法，優(yōu)化時(shí)序模型階次的確定方法，減小其主觀性，提高橋梁實(shí)時(shí)健康監(jiān)測的效率， 同時(shí)，能夠?qū)?shí)時(shí)監(jiān)測的大量結(jié)構(gòu)響應(yīng)數(shù)據(jù)所蘊(yùn)含的信息凝聚為少數(shù)的模型參數(shù)，可操 作性強(qiáng)，可有效識(shí)別結(jié)構(gòu)損傷位置和損傷程度，提高損傷預(yù)警的精度和效率。為此，本發(fā) 明采取的技術(shù)方案是，基于自回歸模型和帶有外部輸入的自回歸模型（Autoregressive models-Autoregressive models with exogenous inputs，簡稱 AR-ARX 模型）的橋梁實(shí)時(shí) 損傷預(yù)警方法，包括如下步驟：
[0006] 1)在目標(biāo)實(shí)橋上布置傳感器；
[0007] 2)獲取環(huán)境激勵(lì)下橋梁實(shí)時(shí)監(jiān)測的動(dòng)態(tài)信號(hào)；
[0008] 3)選定基準(zhǔn)狀態(tài)和未知狀態(tài)，把不同狀態(tài)的時(shí)程響應(yīng)數(shù)據(jù)分為不同的數(shù)據(jù)集，并 生成多個(gè)小的數(shù)據(jù)樣本；
[0009] 4)將每個(gè)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；
[0010] 5)建立自回歸（AR)模型，利用AR模型系數(shù)進(jìn)行數(shù)據(jù)樣本匹配處理；
[0011] 6)建立帶有外部輸入的自回歸（ARX)模型，利用ARX模型殘差計(jì)算每測點(diǎn)損傷特 征值DF ;
[0012] 7)對DF值進(jìn)行統(tǒng)計(jì)評估確定統(tǒng)計(jì)特性值ro ;
[0013] 8)確定閾值，統(tǒng)計(jì)特性值ro超過閾值發(fā)出預(yù)警通知，未超過閾值，不發(fā)出預(yù)警通 知。
[0014] 獲取環(huán)境激勵(lì)下橋梁實(shí)時(shí)監(jiān)測的動(dòng)態(tài)信號(hào)，具體是，根據(jù)奈奎斯特采樣定理確定 采樣頻率，獲取橋梁實(shí)時(shí)監(jiān)測加速度信號(hào)。
[0015] 樣本數(shù)據(jù)在建立AR模型之前進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，采用的方法為：
[0016]

【權(quán)利要求】
1. 一種基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，其特征是，包括下列步驟： 1) 在目標(biāo)實(shí)橋上布置傳感器； 2) 獲取環(huán)境激勵(lì)下橋梁實(shí)時(shí)監(jiān)測的動(dòng)態(tài)信號(hào)； 3) 選定基準(zhǔn)狀態(tài)和未知狀態(tài)，把不同狀態(tài)的時(shí)程響應(yīng)數(shù)據(jù)分為不同的數(shù)據(jù)集，并生成 多個(gè)小的數(shù)據(jù)樣本； 4) 將每個(gè)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理； 5) 建立自回歸模型一AR模型（Autoregressive models)，利用AR模型系數(shù)進(jìn)行數(shù)據(jù) 樣本匹配處理； 6) 建立帶有外部輸入的自回歸模型一ARX模型（Autoregressive models with exogenous inputs)，利用ARX模型殘差計(jì)算每測點(diǎn)損傷特征值DF ; 7) 對DF值進(jìn)行統(tǒng)計(jì)評估確定統(tǒng)計(jì)特性值ro ; 8) 確定閾值，統(tǒng)計(jì)特性值ro超過閾值發(fā)出預(yù)警通知，未超過閾值，不發(fā)出預(yù)警通知。
2. 如權(quán)利要求1所述的基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，其特征是，獲取環(huán) 境激勵(lì)下橋梁實(shí)時(shí)監(jiān)測的動(dòng)態(tài)信號(hào)，具體是，根據(jù)奈奎斯特采樣定理確定采樣頻率，獲取橋 梁實(shí)時(shí)監(jiān)測加速度信號(hào)。
3. 如權(quán)利要求1所述的基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，其特征是，樣本數(shù) 據(jù)在建立AR模型之前進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，采用的方法為： ^t)=xit^ 汀Λ 式中，x(t)為實(shí)時(shí)監(jiān)測加速度信號(hào)，始)為處理后的信號(hào)，^，和〇χ分別為X(t)的均值 和標(biāo)準(zhǔn)差。
4. 如權(quán)利要求1所述的基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，其特征是，AR-ARX 模型階次的優(yōu)化步驟包括： a. AR模型階次記為p，ARX的階次記為order = [na，nb，nk]，其中，na是AR部分階次， nb是外部輸入階次，nk是系統(tǒng)的純延時(shí)時(shí)間； b. 根據(jù) AIC(AkaikeInformation Criterion)準(zhǔn)則確定 AR 模型階次 p; c. 在保證na+nb〈p和na>nb的條件下選定n a和nb值； d. nk的取值目標(biāo)是滿足AIC準(zhǔn)則并使損失函數(shù)值取最小，根據(jù)AIC準(zhǔn)則確定nk取值范 圍，在此范圍內(nèi)計(jì)算損失函數(shù)值，損失函數(shù)值最小的階次即為最終確定的ARX模型階次。 綜合考慮AR模型的系數(shù)和殘差，提出數(shù)據(jù)匹配公式：
式中，〇x2、〇y2為AR模型殘差的方差，ax(k)、a y(k)為AR模型系數(shù)，根據(jù)公式取最小 值來匹配數(shù)據(jù)樣本。
5. 如權(quán)利要求1所述的基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，其特征是，基于 ARX模型的殘差提取損傷特征值。
6. 如權(quán)利要求1所述的基于AR-ARX模型的橋梁實(shí)時(shí)損傷預(yù)警方法，其特征是，進(jìn)行基 于大量樣本的損傷識(shí)別統(tǒng)計(jì)評估，得出損傷概率的表達(dá)式。
【文檔編號(hào)】G06F19/00GK104297004SQ201410478656
【公開日】2015年1月21日 申請日期:2014年9月18日 優(yōu)先權(quán)日:2014年9月18日
【發(fā)明者】朱勁松, 黃法敏 申請人:天津大學(xué)