結(jié)構(gòu)健康監(jiān)測(cè)逐漸成為土木領(lǐng)域的熱點(diǎn),結(jié)構(gòu)損傷識(shí)別吸引了越來(lái)越多研究者的關(guān)注。近年來(lái)隨著科技與經(jīng)濟(jì)的發(fā)展,時(shí)代中出現(xiàn)了多種多樣的結(jié)構(gòu)建筑。近些年來(lái),發(fā)生的建筑倒塌事件帶來(lái)了不可挽回的后果及損失,其原因主要是未能在損傷積累階段及時(shí)發(fā)現(xiàn),難以對(duì)結(jié)構(gòu)在事故發(fā)生前進(jìn)行挽救。為了確保結(jié)構(gòu)的安全性和耐久性,對(duì)現(xiàn)有結(jié)構(gòu)進(jìn)行損傷檢測(cè)是非常有必要的。目前用于損傷檢測(cè)的結(jié)構(gòu)損傷指標(biāo)可以由很多方式來(lái)構(gòu)造,使用頻率最高的是利用模態(tài)參數(shù)的信息來(lái)構(gòu)造,但是不可否認(rèn),經(jīng)多種實(shí)驗(yàn)證實(shí),由模態(tài)參數(shù)構(gòu)造的識(shí)別指標(biāo)都不能忽略噪聲的影響,識(shí)別結(jié)果會(huì)不同程度的受到各種噪聲的干擾,導(dǎo)致無(wú)法準(zhǔn)確的對(duì)結(jié)構(gòu)損傷單元進(jìn)行準(zhǔn)確的判定,這也是結(jié)構(gòu)損傷識(shí)別的研究瓶頸。為了解決實(shí)測(cè)信號(hào)中噪聲干擾的問(wèn)題,本文選取改進(jìn)后的單元損傷變量作為損傷識(shí)別指標(biāo),通過(guò)粒子群算法和卡爾曼濾波算法相結(jié)合的方式對(duì)結(jié)構(gòu)損傷檢測(cè)信號(hào)進(jìn)行處理優(yōu)化,最大程度的避免信號(hào)收集裝置和信號(hào)傳遞的儀器中采集到的多余噪聲,濾除獲取和傳輸?shù)倪^(guò)程多余的干擾部分。通過(guò)Matlab軟件來(lái)實(shí)現(xiàn),針對(duì)卡爾曼算法難以獲得噪聲統(tǒng)計(jì)特性的缺陷,結(jié)合PSO中適應(yīng)度函數(shù)準(zhǔn)確尋得相應(yīng)濾波參數(shù)。通過(guò)卡爾曼慣用的仿... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 選題背景與研究意義
    1.2 結(jié)構(gòu)損傷識(shí)別國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于動(dòng)力特性的損傷識(shí)別方法
        1.2.2 結(jié)構(gòu)損傷動(dòng)力檢測(cè)相關(guān)智能算法
    1.3 本文研究主要目的和內(nèi)容
        1.3.1 研究目的
        1.3.2 研究?jī)?nèi)容
2 基于動(dòng)力特性的損傷識(shí)別相關(guān)理論
    2.1 隨機(jī)子空間的基本理論
        2.1.1 動(dòng)力學(xué)時(shí)間狀態(tài)空間模型
        2.1.2 協(xié)方差驅(qū)動(dòng)隨機(jī)子空間
    2.2 結(jié)構(gòu)轉(zhuǎn)角信息重構(gòu)
    2.3 單元損傷變量法
        2.3.1 損傷變量的定義
        2.3.2 損傷變量指標(biāo)的構(gòu)造
    2.4 盲信噪比估計(jì)
        2.4.1 自相關(guān)矩陣奇異值分解和信噪比估計(jì)
        2.4.2 協(xié)方差矩陣特征值分解和信噪比估計(jì)
    2.5 本章小結(jié)
3 信號(hào)噪聲處理
    3.1 小波變換去噪算法
        3.1.1 小波去噪問(wèn)題的描述
        3.1.2 基于小波的閾值去噪問(wèn)題研究
    3.2 多源信息融合算法
        3.2.1 D-S證據(jù)理論
        3.2.2 組合規(guī)則
        3.2.3 D-S理論的優(yōu)缺點(diǎn)
    3.3 去噪結(jié)果的評(píng)價(jià)準(zhǔn)則
        3.3.1 信噪比
        3.3.2 均方誤差
        3.3.3 平滑度
    3.4 實(shí)測(cè)信號(hào)應(yīng)用去噪方法的困難
    3.5 本章小結(jié)
4 粒子群算法及卡爾曼濾波算法
    4.1 粒子群優(yōu)化算法簡(jiǎn)介
    4.2 基本粒子群算法
        4.2.1 粒子群算法基本原理
        4.2.2 粒子群算法的流程
    4.3 卡爾曼濾波研究方法簡(jiǎn)介
    4.4 卡爾曼濾波算法基本原理
        4.4.1 線性和非線性卡爾曼濾波方法
        4.4.2 卡爾曼濾波基本估計(jì)理論方法
    4.5 本章小結(jié)
5 粒子群優(yōu)化卡爾曼濾波的算法改進(jìn)和應(yīng)用實(shí)現(xiàn)
    5.1 卡爾曼濾波誤差分析
    5.2 粒子群卡爾曼濾波器的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 粒子群卡爾曼濾波去噪原理
        5.2.2 粒子群卡爾曼算法實(shí)現(xiàn)
    5.3 粒子群卡爾曼濾波去噪細(xì)節(jié)處理
        5.3.1 仿真和實(shí)測(cè)的適應(yīng)度函數(shù)選擇
        5.3.2 仿真和實(shí)際應(yīng)用的濾波效果指標(biāo)選擇
    5.4 實(shí)驗(yàn)仿真與結(jié)果分析
    5.5 本章小結(jié)
6 基于粒子群卡爾曼濾波的試驗(yàn)簡(jiǎn)支梁損傷檢測(cè)
    6.1 鋼筋混凝土簡(jiǎn)支梁試驗(yàn)
        6.1.1 相關(guān)信息
        6.1.2 試驗(yàn)結(jié)果及分析
    6.2 簡(jiǎn)支鋼梁試驗(yàn)
        6.2.1 相關(guān)信息
        6.2.2 試驗(yàn)結(jié)果及分析
    6.3 本章小結(jié)
7 總結(jié)與前景展望
    7.1 總結(jié)
    7.2 本文創(chuàng)新點(diǎn)
    7.3 前景展望
致謝
參考文獻(xiàn)



本文編號(hào)：2921026