CN102938068B - 桥梁结构多体系损伤识别方法 - Google Patents

Abstract

本发明公开了一种桥梁结构多体系损伤识别方法，该方法的具体内容为：基于模式识别的损伤识别、基于***识别的损伤识别、基于人工巡检的局部损伤识别及基于熵权的损伤状态的融合。本发明提出联合采用模式识别和***辨识两种方法体系进行损伤识别，并引入熵权对识别结果进行整合，得到整体损伤信息，再结合人工巡检得到的结构局部损伤信息，对结构给予较为全面准确可靠的损伤识别结果。适用于结构健康监测损伤识别技术领域。

Description

桥梁结构多体系损伤识别方法

技术领域

本发明属于结构健康监测损伤识别技术领域，涉及一种桥梁结构多体系损伤识别方法，尤其涉及一种基于熵权的多体系损伤识别方法。

背景技术

结构损伤识别问题是一个测量信息不完备、难度和复杂度都很大、费时费力的问题。但是，准确及时的损伤识别对防止恶性事故的发生、提高结构的可靠性和耐久性具有重要的现实意义。

目前损伤识别正处于研究阶段，各种理论与方法正日新月异地发展。主要的识别方法按照有无反演可分为有反演的优化识别方法和无反演的现代模式识别方法。

有反演的优化识别是将损伤识别问题看成一种***识别的反问题，采用优化算法进行求解。优点是思路清晰，易于理解和接受，缺点是最优化方法与有限元方法耦合在一起，相互之间不断地调用，增加了识别问题的复杂性，且容易使结果陷入局部极小值而变得不可靠。

无反演的现代模式识别方法是多学科领域的交叉，涉及统计学、模糊集论、工程学、人工智能、计算机科学等，采用模式识别的方法进行结构损伤识别研究。与优化识别相比，模式识别的优点是将结构有限元计算与模式识别两个计算过程分开，使其互不干涉，降低了识别难度，同时便于利用现有的结构计算理论分析损伤识别问题。缺点是由于模式识别过程较多，计算结果受计算规模、样本的选取，分类器的选择等众多因素的影响而可能变得不稳定。

现有的结构损伤识别，都是采用某一种方法进行，但由于结构的损伤识别问题属于较为复杂的反问题，不适定性是其本质属性，极易发生误判。因此，采用将多种方法结合起来识别结构的损伤具有很强的发展趋势，这样可以克服各自方法的缺点并相互检查，与损伤识别的复杂性相适应。

按照信息熵思想，从***获得信息多少和“质量”，是评估精度和可靠性的决定因素。所以在损伤识别结果融合时，若能从熵入手，通过分析各类指标的熵值，便可确定其对结构损伤的相对重要程度，从而确定权重-即熵权。进而对结果作出客观评价。

发明内容

为了克服现有技术中存在的以上缺陷，本发明提供一种桥梁结构多体系损伤识别方法，该方法解决的技术问题是如何对现有的各种损伤识别方法综合使用以获得最佳的损伤识别效果。基于方法优势互补的原则，本发明提出联合采用模式识别和***辨识两种方法体系进行损伤识别，并引入熵权对识别结果进行整合，得到整体损伤信息，再结合人工巡检得到的结构局部损伤信息，对结构给予较为全面准确可靠的损伤识别结果。

技术方案为：

一种桥梁结构多体系损伤识别方法，该方法的内容包括：基于模式识别的损伤识别、基于***识别的损伤识别、基于人工巡检的局部损伤识别及基于熵权的损伤状态的融合。

基于模式识别的结构损伤识别的关键在于损伤敏感指标的提取及面向损伤识别的分类器(神经网络或支持向量机等)的建立。其基本步骤为，首先对结构的可能损伤状态进行分析，对于每种可能的结构损伤状态基于概率参数结构基准模型进行有限元分析，从中提取结构损伤状态的敏感指标，确定分类器，并对样本进行大量训练，完成样本训练后，使用训练后的分类器，进行模式识别。

基于反演优化的损伤识别以较为成熟的***辨识理论为基础，将结构的损伤识别问题转化为最优化问题进行求解。

引入熵权对识别结果进行整合，得到整体损伤信息，再结合人工巡检得到的结构局部损伤信息，对结构给予较为全面准确可靠的损伤识别结果。

本发明的有益效果：

(1)本发明采用损伤识别方法的融合。基于熵权，将有反演的***识别与无反演的模式识别的整体损伤结果进行信息融合，获得更为可靠的结构整体损伤信息。

(2)本发明所述方法损伤识别与人工巡检信息的结合。通过人工巡检，得到结构局部损伤；将结构局部损伤与结构整体损伤识别的信息进行融合。

(3)通过本发明的方法，可获得可靠性高，更符合损伤识别不适定性的识别结果。

附图说明

图1为本发明桥梁结构多体系损伤识别方法的流程图。

具体实施方式

下面结合附图和本发明实施例作进一步详细地说明。

本发明提供的损伤识别方法分别采用反演分析方法和模式识别方法进行损伤识别，同时要进行人工巡检。

人工巡检如图1，是对实时监测有问题数据进行包括构件检查和外观检查在内的详细检查，通过该方法进一步确定结构局部性损伤。

反演优化如图1，是根据实时监测得到的数据作为初始变量，通过有限元计算和优化算法(现有优化算法的任何一种)最后是得有限元计算和实时监测到的数据差值在允许误差范围内，进而进行损伤识别。

模式识别如图1，首先对结构的可能损伤状态进行分析，对于每种可能的结构损伤状态基于概率参数结构基准模型进行有限元分析，从中提取结构损伤状态的敏感指标，形成样本库，然后确定分类器(可以是现有分类器的任何一种，如人工神经网络或支持向量机)，并对样本进行大量训练，完成样本训练后，使用训练后的分类器，进行损伤识别。

然后计算模式识别和优化识别的损伤结果的熵权，再对熵权值进行比较，若有m个评价指标，n个评价***。首先，构造指标水平矩阵，并将其标准化：

按熵权公式可以算出各指标熵权

其中：

求方案集映射距离：

一般情况下，取p＝1，注重偏差总和：

或取P＝2，注重个别偏差较大者：

这样便可以按照L由小到大对各评价***进行排序，判断其优劣，距离小者更接近要求。

最后再将人工巡检的信息与整体损伤的结果进行对比，融合，得到最终的结构损伤信息。

以上所述，仅为本发明所述方法较佳的实施方式。本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (2)

1.一种桥梁结构多体系损伤识别方法，其特征在于，具体内容包括：

基于模式识别的损伤识别、基于***识别的损伤识别、基于人工巡检的局部损伤识别及基于熵权的损伤状态的融合；

首先对结构的可能损伤状态进行分析，对于每种可能的结构损伤状态基于概率参数结构基准模型进行有限元分析，从中提取结构损伤状态的敏感指标，形成样本库，确定分类器，并对样本进行大量训练，完成样本训练后，使用训练后的分类器，进行模式识别；

然后计算模式识别和优化识别的损伤结果的熵权，再对熵权值进行比较，若有m个评价指标，n个评价***；首先，构造指标水平矩阵，并将其标准化：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\\ \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}.\\ .\\ .\end{array}& \begin{array}{c}\\ \\ \end{array}& \begin{array}{c}.\\ .\\ .\end{array}\\ r_{m1}& r_{m2}& ...& r_{mn}\end{array}\right]$

按熵权公式可以算出各指标熵权

其中：

$f_{ij}=\frac{r_{ij}}{\underset{i=1}{\overset{n}{\Σ}}{r}_{ij}};K=\frac{1}{\ln n}$

求方案集映射距离：

$L_p\left(j\right)={\[\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i^p{(1-r_{ij})}^p\]}^{\frac{1}{p}}$

取p＝1，注重偏差总和：

$L_1\left(j\right)=1-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_i{r}_{ij}$

或取P＝2，注重个别偏差较大者：

$L_2\left(j\right)=\sqrt{\underset{i=1}{\overset{m}{\Σ}}{\mathrm{\λ}}_i^2{(1-r_{ij})}^2}$

这样便可以按照L由小到大对各评价***进行排序，判断其优劣，距离小者更接近要求；

最后再将人工巡检的信息与整体损伤的结果进行对比，融合，得到最终的结构损伤信息。

2.根据权利要求1所述的桥梁结构多体系损伤识别方法，其特征在于，基于熵权的损伤状态的融合，联合采用模式识别和***辨识两种方法体系进行损伤识别，并引入熵权对识别结果进行整合，得到整体损伤信息，再结合人工巡检得到的结构局部损伤信息，对结构给予损伤识别结果。