（交通信息工程及控制专业论文）结构健康监测与智能诊断技术研究.pdf

r e s e a r c ho ns t r u c t u r eh e a l t hm o n i t o r i n ga n d i n t e l l i g e n td i a g n o s i st e c h n i q u e s ad i s s e r t a t i o ns u b m i t t e df o r t h ed e g r e eo f d o c t o r c a n d i d a t e ：l i u y i y a n s u p e r v i s o r ：p r o f j uy o n g f e n g c h a n g a nu n i v e r s i t y , x i a n ，c h i n a 论文独创性声明 人声明：本人所呈交的学位论文是在导师的指导下，独立进行 作所取得的成果。除论文中已经注明引用的内容外，对论文的 出重要贡献的个人和集体，均已在文中以明确方式标明。本论 包含任何未加明确注明的其他个人或集体已经公开发表的成 声明的法律责任由本人承担。 论文作者签名：参l 影袖 加。年6 月必日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归 属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请 。专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的 学术论文或成果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者签名：言孑厶 铷弛巨嘶 w 年月2 l 日 加沪年衫月砂日 ( 2 ) 不同检测节点处不同损伤工况的i m f 小波包相对能量分布有显著的差异，因而可 以作为一种理想的指标来表征结构损伤特征。 为解决损伤诊断中样本缺乏的问题，提出了一种基于支持向量机的智能诊断方法。 将结构振动信号进行e e m d 分解后提取反映损伤信息的i m f 经小波包分解后的频带能 量作为特征，输入到多分类的s v m 中，对结构的损伤进行诊断。该方法在学习样本数 较少的情况下仍然具有较好的适应性和分类能力；选取径向基核函数取得了较高的诊断 精度；但是，对于同一损伤源，采用不同节点的信号分析时，s v m 的识别正确率不同。 针对单一节点信号进行损伤诊断的不确定性和片面性，提出了一种基于多传感器特 征融合的s v m 智能诊断方法。研究结果表明：多传感器特征融合能够使不同传感器采 集的信息得到充分利用，减小了损伤检测信息的不确定性和片面性，从而提高了损伤诊 断准确率。 土木结构的损伤在理论上是一个渐进过程，为了能够有效地监测这个损伤过程， 研究了一种基于e e m d 和h t 变换的结构渐进损伤特征提取方法。首先对原始信号进行 e e m d 分解，提取包含结构损伤信息的i m f 分量，再对其进行h t 变换计算瞬时频率。 对单自由度模型和多自由度模型结构刚度渐进损伤进行了仿真实验，并把这一方法应用 到实际工程中。研究表明：结构损伤前后瞬时频率会发生明显的变化，并且可以准确地 体现结构刚度变化的趋势，从而反映结构健康状态的发展趋势。 为了解决结构早期损伤难以正确识别的问题，结合e e m d 解决随机不确定性问题和 s v m 解决预测问题这两者的优势，提出了一种基于e e m d 特征提取的s v r 结构状态趋 势预测方法。通过在结构工程仿真数据和实际振动数据中的预测研究表明：该方法可以 准确地、高精度地预测结构状态趋势。 关键词：支持向量机、e e m d 、小波包能量、特征融合、瞬时频率、趋势预测 e x t r a c t i o n 、i n t e l l i g e n td i a g n o s i sa n dt r e n dp r e d i c t i o nf o re n g i n e e r i n gs t m c t u r ea r es t u d i e di n i no r d e rt oe x t r a c td a m a g ef e a t u r e ，t h em e t h o d so fd a m a g ef e a t u r ee x t r a c t i o na r e d e v e l o p e db a s e do ne n s e m b l ee m p i r i c a lm o d ed e c o m p o s i t i o n ( e e m d ) a n dw a v e l e tp a c k e t t r a n s f o r m ( w p d t h er e s p o n s es i g n a l so ft h ea s c eb e n c h m a r ks t r u c t u r ea r ep r o c e s s e db y u s i n ge e m d ，t h ei n t r i n s i cm o d ef u n c t i o n ( i m f ) w h i c hc o n t a i n ss t r u c t t l r a ld a m a g e i n f o r m a t i o na r es e l e c t e d ；t h e nt h es e l e c t e di m fi sd e c o m p o s e db yo r t h o g o n a lw p t , a n da l s o w a v e l e tp a c k a g ee n e r g y ( w p e ) o nd e c o m p o s i t i o nf r e q u e n c yb a n d sa r ec a l c u l a t e dt or e p r e s e n t t h es t r u c t u r ec o n d i t i o n t h em a i nr e s u l t sa r es u m m a r i z e da s ( 1 ) e e m dm e t h o d sw h i c hu s e t h ee l i m i n a t i n gc h a r a c t e r i s t i c so fw h i t en o i s ec a na v o i dt h eo c c u r r e n c eo fm o d e sm i x i n g ；( 2 ) f o rd i f f e r e n tk i n d so fd a m a g et h e i rw p ed i s t r i b u t i o n sa r ed i f f e r e n te a c ho t h e r , a n df o ra s p e c i a ld a m a g et h ed i s t r i b u t i o no fw p ei sd i f f e r e n ta tt h ed i f f e r e n td e t e c t i o nn o d e s ，w h i c hc a n b eu s e da sa ni d e a lt a r g e tf o rs t r u c t u r a ld a m a g ec h a r a c t e r i s t i c s d u et o t h ep r o b l e m so ft h es a m p l es h o r t a g ei nd a m a g ed i a g n o s i s ，a l li n t e l l i g e n tm e t h o di s a d d r e s s e db a s e do ne e m d ，w p ta n ds u p p o r tv e c t o rm a c h i n e ( s v m ) t h ev i b r a t i o ns i g n a li s d e c o m p o s e du s i n ge e m d ，s ot h ei m fw h i c hc o n t a i n ss t r u c t u r a ld a m a g ei n f o r m a t i o na r e s e l e c t e d ，t h e nt h es e l e c t e di m fi sd e c o m p o s e db yo r t h o g o n a l 聊ta se x t r a c t e df e a t u r e s ， w h i c ha r ei n p u tt oam u l t i c l a s s i f i e ds v m st od i a g n o s es t r u c t u r ed a m a g e t h em e t h o ds t i l lh a s g o o da d a p t a b i l i t ya n dc l a s s i f i c a t i o nc a p a b i l i t yi n t h ec a s eo fs m a l ls a m p l e s ；a n do b t a i n sh i g h e r d i a g n o s t i ca c c u r a c yb yu s i n gt h er a d i a lb a s i sf u n c t i o n ( r b f ) a sak e r n e lf u n c t i o n ；h o w e v e r , u s i n gs i g n a l sf r o md i f f e r e n td e t e c t i o nn o d e sf o rt h es a m ed a m a g e ，t h er e c o g n i t i o nc o r r e c tr a t e o fs v mi sd i f f e r e n t t oa i ma tf i x i n gt h eu n c e r t a i n t yc a u s e db yo n l yu s i n gs i g n a l sf r o ms i n g l ed e t e c t i o nn o d e i ns t r u c t u r e d a m a g ed i a g n o s i s ，a n o t h e rd i a g n o s i s m e t h o di s p r e s e n t e db ym e a n so f m u l t i s e n s o rf e a t u r ef u s i o nt h e o r y t h r o u g hf u s i n gf e a t u r ee x t r a c t e df r o ms e v e r a ld i f f e r e n t d e t e c t i o nn o d e s ，i tc a l lm a k ed i f f e r e n ti n f o r m a t i o nc o m p l e m e n t a r y , a n dr e d u c et h eu n c e r t a i n t y o fd a m a g ed e t e c t i o ni n f o r m a t i o n s op r e c i s i o na n dr e l i a b i l i t yo ft h ed i a g n o s i si n f o r m a t i o ni s m u c hm o r em o d i f i e da n dt h ed i a g n o s i sa c c u r a c yw a si m p r o v e d t h e o r e t i c a l l y , s t r u c t u r ed a m a g ei sp r o g r e s s i v e i no r d e r t om o n i t o rt h e p r o c e s s e f f i c i e n t l y ，af e a t u r ee x t r a c t i o nm e t h o do fs t r u c t u r ep r o g r e s s i v ed a m a g ei ss t u d i e db a s e do n e e m da n dh i l b e r tt r a n s f o r m ( h t ) t h er e s p o n s es i g n a l sa r ep r o c e s s e db yu s i n ge e m d ，t h e i m fw h i c hc o n t a i n ss t r u c t u r a ld a m a g ei n f o r m a t i o na r es e l e c t e d ；a n dt h e nt h es e l e c t e di m fi s t r a n s f o r m e db yu s i n gh ta n di n s t a n t a n e o u sf r e q u e n c y ( i f ) a r ec a l c u l a t e d as i n g l e - d e g r e eo f f r e e d o ms t r u c t u r em o d e la n dam u l t i d e g r e eo ff r e e d o ms t r u c t u r em o d e la l eu s e dt os i m u l a t e t h ep r o g r e s s i v ep r o c e s si nn u m e r i c a le x p e r i m e n t s ，a n da p p l y i n gt h i sm e t h o dt o p r a c t i c a l e n g i n e e r i n g i ti ss h o w nt h a tt h e i fi so b v i o u s l yc h a n g e db e f o r ea n da f t e rt h es t r u c t u r e d a m a g eo c c u r r e n c e t h ei fc a l la c c u r a t e l yr e f l e c tt h et e n d e n c yo fs t r u c t u r er i g i d i t yc h a n g e ， a n dr e p r e s e n tt h ed e v e l o p i n g 骶i l do fas t r u c t u r eh e a l t hc o n d i t i o n s oi tc a nb et a k e sa sa f e a t u r ei n d e xt om o n i t o rt h es t r u c t u r ep r o g r e s s i v ec o n d i t i o n i no r d e rt os o l v et h ep r o b l e mt h a ti sd i f f i c u l tt oi d e n t i f yt h ee a r l yd a m a g eo fs t r u c t u r e ，a t r e n dp r e d i c t i o nm o d e lo fs v mb a s e d0 1 1e e m di sp r o p o s e d ，w h e r et h ee e m dm e t h o d p r o c e s s i n gs t o c h a s t i cu n c e r t a i n t ys i g n a la n dt h es v mr e g r e s s i o ns o l v i n gt h es m a l l s a m p l e v p r e d i c t i o no fs t r u c t u r a le n g i n e e r i n gs i m u l a t i o n c a r lp r e d i c tt h et r e n d so fs t r u c t u r ec o n d i t i o n s e n s e m b l ee m p i r i c a lm o d ed e c o m p o s i t i o n f e a t u r ef u s i o n ；i n s t a n t a n e o u sf r e q u e n c y ； 1 1 ：! ：； 4 6 状7 7 8 9 1 3 4 数据融合在结构损伤诊断中的研究现状1 l 1 4 课题的来源、研究内容及论文章节安排1 2 第二章基于e e m d 和小波包分析的结构损伤特征提取1 4 2 1 引言1 4 2 2e m d 方法1 4 2 2 1e m d 的原理1 6 2 2 2e m d 存在的问题18 2 3e e m d 方法2 0 2 3 1e e m d 的原理2 1 2 3 2e m d 和e e m d 仿真信号对比分析2 2 2 4 小波包变换2 6 2 4 1 小波包的基本概念2 6 2 4 2 小波包分解频带能量2 9 2 5 基于e e m d 和正交小波包的损伤特征提取3 0 2 5 1a s c e 结构模型3 0 2 5 2 模态提取3l 2 5 3 提取损伤特征3 4 2 6 本章小结3 7 第三章基于支持向量机的结构智能诊断3 8 3 1 引言3 8 3 2 机器学习的基本问题3 8 3 2 1 机器学习问题的表示3 8 3 2 2 经验风险最小化原则3 9 3 2 3 学习机器复杂性与推广能力4 0 3 3 统计学习理论4 0 3 3 1v c 维4 0 3 3 2 推广性的界4 0 3 3 3 结构风险最小化原则4 l 3 4 支持向量机的分类算法4 2 3 4 1 支持向量机的二分类算法4 2 3 4 2 支持向量机的多分类算法一4 6 3 5 基于s v m 的a s c e 模型损伤诊断方法4 9 3 6 本章小结5 1 第四章基于多传感器特征融合的结构智能诊断5 2 4 1 引言一5 2 4 2 数据融合技术的理论基础5 2 4 2 1 数据融合技术的目的和意义。5 2 4 2 2 数据融合的层次5 4 4 3 基于特征融合的a s c e 结构损伤诊断5 5 4 3 1 损伤诊断方法5 5 4 3 2 损伤特征提取5 6 4 3 3 基于特征融合和s v m 的结构损伤诊断5 7 4 4 工程振动信号损伤诊断6 0 4 5 本章小结6 3 第五章基于e e m d 和h t 的结构健康状态趋势研究“ 5 1 引言6 4 5 2h i l b e r t 变换6 4 5 3 单自由度结构的损伤趋势研究6 5 5 3 1 时变动力系统模型分析和建立6 5 5 3 2 损伤趋势特征提取方法6 8 5 3 3e e m d 和h t 损伤趋势特征提取6 8 5 4 多自由度模型的损伤趋势研究7 3 5 4 1 结构时变动力系统模型分析7 3 5 4 2e e m d 和h t 损伤趋势特征提取7 4 5 5 工程振动信号损伤趋势特征提取7 6 5 6 本章小结7 8 第六章基于s v r 的结构健康状态趋势预测。7 9 6 1 引言7 9 6 2 支持向量机的回归算法7 9 6 2 1 线性回归及损失函数7 9 6 2 2 不敏感损失函数回归。8 0 6 2 3 非线性回归的推广8 3 6 3 支持向量机的回归预测应用及参数分析8 3 6 3 1 时间序列预测的方法8 3 6 3 2 误差评价指标8 4 6 3 3 仿真数据分析8 4 6 4 工程仿真数据状态趋势预测8 7 6 4 1 单自由度结构的状态趋势预测8 7 6 4 2 多自由度结构状态趋势预测9 2 6 4 3 趋势预测方法小结9 5 6 5 工程振动信号状态趋势预测9 6 6 5 1 结构冲击响应信号状态趋势预测9 6 6 5 2 结构环境振动响应信号状态趋势预测9 7 6 6 本章小结9 9 第七章结论与展望1 0 0 7 1 结论1 0 0 7 2 展望1 0 1 参考文献1 0 3 攻读博士学位期间发表的论文和参加的科研项目1 1 6 致谢1 17 长安大学博士学位论文 第一章绪论弟一早瑁v 匕 行健康监测和损伤诊断的意义 突飞猛进的发展以及现代化工业水平的不断提高，大量的土木工程设 ，这些结构正朝着大型化、复杂化、智能化和多元化的方向发展。由 因素的影响，通常设计和建造一个绝对没有损伤的结构是不可能的， 也是不符合实际的，这些大型复杂结构都有一个共同的特点就是使用期限很长，由于受 到环境影响等多方面灾害因素的共同作用，将不可避免地使结构抵抗自然灾害的能力下 降，从而受到破坏。 结构一旦发生损伤其耐久性及其正常的承载能力就会受到严重影响，产生极坏的社 会影响，危及正常的生产和生活秩序。例如：2 0 0 6 年8 月，巴基斯坦马尔丹市内发生的 桥梁倒塌事故，造成6 0 多人死亡；2 0 0 8 年4 月1 日1 5 时2 0 分左右，深圳地铁3 号线横岗荷 坳段发生一起桥墩立柱模板坍塌事故，造成3 人死亡，2 人受伤；2 0 0 8 年5 月1 2 日，四川 汶川发生地震，共遇难6 9 2 2 7 人，受伤3 7 4 6 4 3 人，失踪1 7 9 2 3 人，直接经济损失达8 4 5 2 亿 元f 1 1 。 从以上所列举的工程事故中可以看出，对于重要的现役土木工程结构设施，其一旦 发生破坏，造成的后果十分严重。此外，在已有的建筑结构设施中，旧的建筑设施占有 相当大的比例，时间一长，将有大部分的建筑设施不断的达到或超过其设计预想的周期， 由于设计、施工质量和管理方面等多方面因素的影响，其中绝大部分的建筑设施都存在 着不同程度的损伤，今后用于检测和维修的费用将十分巨大。所以很有必要结合现代的 科学技术采取一定的技术措施和手段对其进行健康监测与智能诊断，在一定程度上预防 事故的发生和减少损伤。 早在2 0 世纪8 0 年代中期世界各国纷纷开始采取不同的措施，针对不同规模的桥梁建 立了相应的健康监测系统。如：英国在f o y l e 桥上布设各种类型的传感器，用以监测环境 第一章绪论 风和温度场，同时对大桥运营阶段在车辆与风载作用下主梁的振动、挠度和应变等响应 进行监测；美国于8 0 年代中后期开始在多座桥梁上布设大量传感器，验证设计假定、监 视施工质量和监测服役状态；丹麦、泰国、韩国、墨西哥和瑞士等国家也对正在建设中 或已建成的桥梁上安装了健康监测系统【2 1 。 在国内，重大工程结构智能健康监测技术方面的研究成果已经广泛应用于实际的建 筑设施中。如：深圳地王大厦安装的无线传感器网络【3 1 ，南京电视塔上安装的主动阻尼 器，用来减少风振对建筑的影响【钔，云南洱源县振戎中学食堂的钢筋混凝土地震损伤分 析、北京饭店和沈阳市政府大楼等建筑结构的抗震加固【5 1 ，洞庭湖大桥、宁波大桥、南 京长江大桥、黑龙江省呼兰河大桥和哈尔滨松花江大桥等十几座大桥上设计并实现了长 期实时健康监测系统和定期实时健康监测系统【6 1 ，渤海j z 2 0 2 m u q 平台的结构实时安全 监测系统于1 9 9 8 1 9 9 9 年冬季和1 9 9 9 2 0 0 0 冬季两次试运行1 7 1 都取得了很好的社会和经 济效益。上述系统的成功使用，极大的促进了结构健康监测系统与诊断技术的快速发展。 因此，必须采取有效的技术手段及方法对现役土木工程结构及基础设施进行健康监 测和智能诊断。 1 2 结构损伤诊断的基本方法及存在的主要问题 根据现有土木工程结构损伤检测技术本身可分为两大类：局部检测和整体检测。 局部检测是对结构某个局部部位进行的无损检测，判断是否有局部损伤发生及损伤 程度如何，进而判断该损伤对结构整体工作性能的有何影响【羽，如染色渗透法、声发射 法、超声法、x 射线法、y 射线法、涡流法、光学诊断法、磁粉法、泄漏法、红外诊断 法和探地雷达法等。 整体检测法是通过检测结构整体特性和响应来分析和评价整个结构损伤的实际状 况【9 1 。动力检测技术是基于振动的最常用的一种整体检测方法，主要是为了弥补静力检 测技术不足而提出来的，同时它也是一种无损检测技术1 0 】。损伤引起的结构参数变化必 2 长安大学博士学位论文 致结构动力特性的改变，通过现场的动力试验测量可以获得动力特性的变化，所 利用测量结构动力特性的变化来诊断结构的损伤。结构动力检测方法的优点是信 提取，操作起来简单、快捷和经济等。目前，基于振动测试的损伤检测方法，在 程领域越来越备受重视。 找与结构动力特性密切相关且对结构损伤较敏感的损伤因子( 如频率、振型和相 是基于振动的损伤识别方法的核心问题之一，通过这些动力参数的变化诊断结构 情况【1 l 】。根据结构动力测试数据种类和由测试数据进行识别的方法不同，把基于 试的检测方法大致可以划分为以下两大类：基于结构振动参数变化的识别方法和 无模型识别方法。 1 2 1 基于结构振动参数变化的识别方法 从损伤结构的数学模型出发，研究不同损伤工况对结构响应的变化规律。任何结构 都可以看作是由刚度、质量和阻尼矩阵等结构参数组成的动力学系统。此识别方法的优 点是：加载设备方便、检测速度快、振动信号提取容易、传感器可安装在人们不宜接近 的地方和损伤检测的过程不影响结构的正常使用等。常用的动力参数主要有【1 2 】：柔度变 化、频率、频率响应函数、模态振型、应变模态曲率模态、功率谱、模态应变能、能量 传递比( e t r ) 、传递函数和响应时间序列等。 如果结构发生损伤，结构参数就会发生变化，可以利用损伤前后结构动力特性“指 标 的变化来判断结构是否损伤。a l b e r t o 提出了结构损伤定位和评估的方法，把损伤定 义为刚度的变化，通过比较结构损伤前后的动态参数、模态和振动频率来确定损伤【1 3 】。 w h i t e 提出了基于频率分析的结构稳态动力响应的损伤识别方法【h 】。j o s h i 用模态振型能 量作为人工神经网络的输入特征向量来检测悬臂梁结构的损伤1 5 】。曹晖等以一个简支梁 和一个四跨连续梁为算例，证明了模态柔度曲率差检测损伤的有效性和优越性【1 6 1 。 m e h r j o o 把固有频率和模态作为b p 神经网络的输入参数对桁架桥结构进行损伤诊断1 1 7 】。 第一章绪论 利用结构的有限元模型进行损伤识别的基本思想是：用分析的方法建立具有先验性 的结构有限元模型，根据动力测试资料( 如响应时间序列、加速度振动信号和传递函数 等) ，通过不断地优化约束条件，修正模型中的刚度分布，使计算的结构响应与实验得 到的结构动态响应很大程度的接近。当两者基本相符时，结构当前参数就可取为此组参 数，由测得的模型刚度的变化，判别结构有无损伤和损伤位置【1 8 】。在结构工程损伤识别 领域，一般采用试验模态分析结果( 如曲率和柔度等) ，修正有限元理论模型的质量和 刚度等参数，使得修正后有限元模型的振动特性参数跟试验值接近。有限元模型修正过 程要使修正后的参数有实际的物理意义，还要使分析结果和试验结果相对应。结构有限 元模型修正中的三个关键步骤是：确定目标函数，选取修正参数和应用有效的优化算法。 b i j a y a 等建立了一个基于模态柔度的有限元模型修正识别方法，研究了噪声对有限 元模型修正损伤识别算法的影响，验证了所建立的结构损伤识别算法的有效性和模态柔 度对结构损伤的敏感性【捌。高维成等在基于结构振动参数变化的损伤探测方法综述中例 举了关于这方面的国内外学者所做的大量的研究以及各种方法的优缺点2 0 1 。a s m a 等提 出了一种基于频率响应函数的模型修正方法，分别对刚度矩阵和质量矩阵的系数进行修 正f 2 1 1 。 1 2 2 无模型识别方法 无模型识别方法是直接基于振动测试信号的结构损伤识别方法，优点是：不需要中 间建模，直观、省时，在土木工程结构健康监测和智能诊断中是可行的，得到了广泛的 应用。分为两大类：智能( a r t i f i c i a li n t e l l i g e n c e ) 诊断方法( 主要包括神经网络法、专 家系统法和遗传算法等) 和各种现代信号处理方法等。 1 、基于信号处理的方法 运用各种现代信号处理方法直接对结构响应信号进行分析和处理，根据信号参数的 变化或统计，达到提取损伤特征的目的2 2 1 。f f t 给出的是信号在时域或频域的一个平均 4 理方法也被用于结构的损伤监测和特征提取中。例如：钟珞采用主成分分析p c a 和独立 分量分析i c a 对结构损伤信号进行特征提取，并结合3 层b p 神经网络实现对结构损伤的识 别【2 7 】；严刚等采用遗传算法和散射l a m b 波同时识别板结构中损伤的位置和程度【2 8 1 。 通过以上提到的几种现代信号处理方法对损伤信号进行预处理和特征提取，找出损 伤类型与特征量的关系，把反映损伤的特征信息提取出来，进而为下一步的智能分类和 损伤状态趋势预测构造了准确的特征向量。 2 、智能诊断方法 神经网络用于损伤识别主要是利用神经网络的模式分类功能【2 9 1 。其基本方法是：根 据结构在不同状态( 不同的损伤位置和不同的损伤程度) 的反应，通过合适的现代信号 处理方法进行损伤特征提取，把提取的特征参数作为神经网络的输入特征向量，结构的 损伤状态作为输出，对神经网络进行训练。把每一待测的样本集输入到训练好的神经网 络，根据网络的输出确定损伤的发生、位置及程度。y u a n 等采用k o h o n e n 神经网络对薄 层复杂结构实现在线损伤检测f 3 0 l ；x u 等提出了基于模态能量损伤诊断的两步算法：损 伤因子定位损伤和人工神经网络技术确定损伤程度【3 1 l ；y u e n 和l a m 用贝叶斯概率神经网 络检测一个五层建筑损伤的位置和程度【3 2 】。孙宗光和杜永峰等学者【3 3 3 4 1 研究了神经网络 第一章绪论 在不同的结构损伤检测中取得了较好的效果。 神经网络具有灵活的自适应学习能力，求解过程不需要建立严格的数学模型，应用 面非常广泛。但也存在一些自身无法克服的缺陷： ( 1 ) 训练样本需要量大； ( 2 ) 神经网络只能求得局部最优解； ( 3 ) 神经网络推广性差； ( 4 ) 神经网络的训练需要大量计算时间； ( 5 ) 神经网络的性能过于依赖结构的选择和初始点的选择； ( 6 ) 权重形式的知识表达方式难以理解。 近年来，支持向量机( s u p p o r tv e c t o rm a c h i n e ，简记为s v m ) 技术也被应用到智能 诊断领域，取得了很大的进步，越来越多的研究学者开始关注这一理论【3 5 硼。s v m 是在 统计学习理论基础上发展起来的一种新型的学习机器。 s v m 方法作为一个强大的新的学习机器，具有下面几个优点： ( 1 ) s v m 机器学习方法是基于结构风险最小化的，推广性能好，可以避免过学习 现象的发生； ( 2 )由于是建立在统计学习理论的基础之上，所以s v m 适合小样本学习； ( 3 ) s v m 方法可以避免神经网络中出现的局部能量最小点的问题； ( 4 ) s v m 方法是在训练过程中自动地确定拓扑结构； ( 5 ) s v m 方法具有解决高维问题能力，可以避免“维数灾难”。 1 2 3 基于振动的损伤检测技术存在的问题 近年来，基于振动的损伤检测技术无论在学术上或在实际应用研究中都取得了很大 的进步，但是还有许多问题需要进一步的研究和解决。主要存在以下几个问题【3 8 】： ( 1 ) 监测系统安装的传感器数目不但偏多、而且针对性不强，庞大硬件系统难以 6 无法达到设计预期的使 据采集、处理服务器， 这一传输过程中降低了 把施工过程控制和长期 测系统的设计而没有考 虑传感器的优化布置； ( 4 ) 系统实施中硬件系统集成和分析评估数据处理软件系统的研发不能很好的沟 通，系统采集到的数据与研究分析单位的需求不一致，分析研究所关心的结构信息无法 从监测系统得到，所以无法实现监测为评估提供结构实用信息的目的。 基于振动的检测( v i b r a t i o n - b a s e dd e t e c t i o n ) 技术是目前最热门的- - f - 检测技术， 虽然已经取得了不少研究成果，但基本上还处在理论研究阶段，成功应用于工程实际的 很少。原因是其受到测量噪声、环境的影响、模型误差、测量数据的不完整性以及结构 动力特性本身存在变异等不确定因素的影响。 1 3 信号处理方法和s v m 在结构健康监测中的研究现状 前面已经讨论了各种信号处理方法和s v m 在结构健康监测与损伤诊断中的适应性， 下面主要介绍近年来，国内外的一些学者在这方面所做的研究及评价。 1 3 1 小波和小波包分析在损伤诊断中的研究现状 早在1 9 8 4 年，法国地球物理学家j m o r l e t 提出真正意义上的小波概念以来，小波理 论在各个工程学科领域中都得到十分广泛的应用。近几年来小波分析作为一种信号处理 的强有力数学工具，逐渐应用到了结构损伤诊断领域，展现了颇具前景的生命力。c c h a n g 和l c h e n 采用g a b o r d , 波系数提取了悬臂梁的多处裂纹损伤的位置和固有频率，并 7 第一章绪论 对裂纹的深度进行预测【3 9 】；k n i t t e r - p i a 。t k o w s k a 等用离散小波对大量的静载和动载试验获 得的信号的进行处理，从而诊断结构的损伤状况【4 0 l ；o v a n e s o v a 发现了小波提取框架结 构裂纹损伤特征与基函数的选择有关【4 1 】；b a s u 等用小波系数识别结构刚度下降的动态响 应特性【4 2 】；h o u 等用小波包技术分析了结构受地震激励的损伤诊断方法，用瞬时模态信 息分析了在3 个实际地震信号和一个随机信号激励下的刚度的突然下降和渐进下降，分 析了测量噪声对损伤程度的影响【4 3 】；h a i l 和r e n 用基于小波的随机有限元方法分析薄金 属板的扰度1 4 4 ；p e n 用小波包能量作为损伤特征因子对剪力墙结构进行损伤识别1 4 5 】；y a n 等人则采用小波能量谱检测出复合板结构的早期微弱损伤【4 6 1 ；郭健等学者将小波分析用 于损伤监测和特征提取，都取得了良好的效果【4 7 铘】。 1 3 2e m d & e e m d 在损伤诊断中的研究现状 1 9 9 8 年，h u a n g 等人创立了h h t 的新方法【2 6 1 ，由e m d 和h t 两部分组成，其核心是 e m d 。近年来，h h t 已广泛应用到结构损伤诊断领域中。l i n 等证明了h h t 可以识别基 准建筑结构的参数，可以很准确地检测到建筑结构的损伤位置和程度5 2 】；t u a 等利用裂 缝反射波h i l b c r t 谱的能量峰值判断结构裂缝的方向和位置【5 3 1 ；s a l v i n o 等证明了用e m d 从瞬态信号中提取相位信息来推断结构的损伤f 5 4 】；l i u 等用h h t 方法作为结构损伤诊断 的信号处理方法，分别对仿真数据和实际数据进行了分析，结果表明h h t 方法具有以下 能力：( 1 ) 重构信号的时频特征；( 2 ) 检测和定位结构的损伤；( 3 ) 检测到冲击荷载或 损伤的发生【5 5 】；p i n e s 等利用h h t 变换获取结构损伤的幅值、相位和阻尼信息，通过仿 真和实验数据证明，这些信息可以很好地识别出损伤的位置和程度5 6 】；“利用h h t 和边 界谱实现滚动轴承损伤位置的监测与诊断【5 7 】；x u n 利用径向基神经网络延拓原始数据， e m d 分解后选择有意义的固有模式分量，再进行h i l b e r t 变换，获得能量时频分布来分析 可展结构【5 8 】；z h u 等人采用h h t 对混凝土梁结构进行非线性参数识别【5 9 】；d o n g t f l j m 时变 向量自回归滑动平均( v a r m a ) 模型用于计算瞬时频率，选择e m d 分解后的有代表性的 8 出 d e c o m p o s i t i o n ，简记为e e m d ) 法，把一个全体测试的均值定义为真实的分量，每个都 包含了信号和有限幅值的白噪声序列，将该白噪声序列添加到原始信号中，利用多个常 规的e m d 对其进行分解后，将相应的固有模式分量( i m f s ) 取均值，从而解决模式混叠现 象嗣。l e i 利用e e m d 实现旋转机械转子的故障诊断6 7 1 ；l i 等应用白噪声聚类经验模