目前,基于时间序列分析的结构损伤检测方法中,存在时间序列模型难以建立统计指标与损伤程度定量关系的问题。针对此问题,提出基于信息熵的结构损伤识别方法,该方法能同时检测损伤的位置和度量损伤程度。以获取的加速度振动响应构建自回...目前,基于时间序列分析的结构损伤检测方法中,存在时间序列模型难以建立统计指标与损伤程度定量关系的问题。针对此问题,提出基于信息熵的结构损伤识别方法,该方法能同时检测损伤的位置和度量损伤程度。以获取的加速度振动响应构建自回归移动平均模型(Autoregressive Moving Average model,ARMA),并从理论上推导自回归系数与结构振动频率的关系。通过建立时间序列模型与损伤程度之间的联系,再引入信息熵实现对结构节点信息的量化。构建损伤程度特征指标,利用损伤前后结构损伤指标的变化量实现对损伤结构的位置和损伤程度的检测。以简支梁结构实验模型和IASC-ASCE基准结构的测量数据为例,从不同损伤程度下的单一损伤和多重损伤等场景对方法的有效性进行验证,并对损伤的结构进行定位和定量分析。研究结果表明,损伤位置处的损伤指标值远大于未损伤位置,能够准确定位损伤,且不同损伤程度下的损伤指标值增幅也存在明显差异。本文提出的方法对单一损伤和多重损伤均可进行损伤定位,并在损伤定位的同时实现损伤程度的量化。展开更多
文摘目前,基于时间序列分析的结构损伤检测方法中,存在时间序列模型难以建立统计指标与损伤程度定量关系的问题。针对此问题,提出基于信息熵的结构损伤识别方法,该方法能同时检测损伤的位置和度量损伤程度。以获取的加速度振动响应构建自回归移动平均模型(Autoregressive Moving Average model,ARMA),并从理论上推导自回归系数与结构振动频率的关系。通过建立时间序列模型与损伤程度之间的联系,再引入信息熵实现对结构节点信息的量化。构建损伤程度特征指标,利用损伤前后结构损伤指标的变化量实现对损伤结构的位置和损伤程度的检测。以简支梁结构实验模型和IASC-ASCE基准结构的测量数据为例,从不同损伤程度下的单一损伤和多重损伤等场景对方法的有效性进行验证,并对损伤的结构进行定位和定量分析。研究结果表明,损伤位置处的损伤指标值远大于未损伤位置,能够准确定位损伤,且不同损伤程度下的损伤指标值增幅也存在明显差异。本文提出的方法对单一损伤和多重损伤均可进行损伤定位,并在损伤定位的同时实现损伤程度的量化。
