結(jié)構(gòu)損傷識(shí)別檢測(cè)在國(guó)家推進(jìn)現(xiàn)代化的過(guò)程中越來(lái)越成為一個(gè)重要的研究領(lǐng)域,結(jié)構(gòu)損傷識(shí)別的方法也多種多樣。其中,把采集結(jié)構(gòu)受到激勵(lì)后的動(dòng)力響應(yīng)作為損傷的基礎(chǔ)是全局損傷識(shí)別法重點(diǎn),這種方法應(yīng)用廣泛,原因之一是與很多技術(shù)交織在一起,例如傳感技術(shù)、信號(hào)采集、數(shù)據(jù)處理、信息管理、數(shù)據(jù)通信等等�；诮Y(jié)構(gòu)的動(dòng)力響應(yīng)信息的結(jié)構(gòu)損傷識(shí)別方面的研究,一直被學(xué)者們挖掘研究�；跁r(shí)間序列分析的結(jié)構(gòu)損傷識(shí)別方法是以結(jié)構(gòu)在外荷載作用下的動(dòng)力響應(yīng)信息為基礎(chǔ),分析與之對(duì)應(yīng)的時(shí)間序列模型,通過(guò)構(gòu)建的損傷指標(biāo)來(lái)對(duì)結(jié)構(gòu)的損傷進(jìn)行識(shí)別,由于只需要獲取結(jié)構(gòu)不同狀態(tài)下的動(dòng)力響應(yīng)便可進(jìn)行識(shí)別,這種方法廣泛的應(yīng)用于框架結(jié)構(gòu)、橋梁的損傷識(shí)別。但是在輸電塔結(jié)構(gòu)上還處于研究階段,本文研究的主要內(nèi)容是基于AR模型倒譜距離理論的CMI損傷轉(zhuǎn)換指標(biāo)對(duì)輸電塔結(jié)構(gòu)的損傷識(shí)別,本文提取結(jié)構(gòu)的動(dòng)力信息是結(jié)構(gòu)的加速度動(dòng)力響應(yīng)。本文首先敘述了在損傷識(shí)別領(lǐng)域的各種方法。其中,把基于時(shí)間序列分析的方法當(dāng)作重點(diǎn)進(jìn)行了闡述。AR、MA、ARMA等模型都屬于時(shí)間序列模型,本文就是采用的AR模型進(jìn)行損傷識(shí)別。接著闡述了AR模型相關(guān)的理論,重點(diǎn)敘述了AR模型建模的過(guò)程,緊接... 

【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)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

輸電塔倒塌事例Fig.1.1Exampleoftransmissiontowercollapse

重慶大學(xué)碩士學(xué)位論文18圖2.1AR模型參數(shù)估計(jì)方法Fig2.1ParameterestimationmethodofARmodel模型估計(jì)的方法雖然很多，但常用的方法有三種：矩估計(jì)、最小二乘法估計(jì)和極大似然估計(jì)。接下來(lái)我們來(lái)具體了解這三種方法的精髓。最小二乘法估計(jì)是在具體研究中被廣泛應(yīng)用的一種模型參數(shù)估計(jì)的方法，這里的“最斜是指：所得的實(shí)際的值和我們所建模型擬合的值兩者的差的平方和最小，從而再進(jìn)行參數(shù)估計(jì)。對(duì)于AR模型而言，我們可以通過(guò)用一般多元回歸參數(shù)最小二乘法來(lái)確定其線性最小二乘法的參數(shù)，隨著模型序列數(shù)據(jù)無(wú)限的變大，最小二乘法和矩估計(jì)方法的參數(shù)計(jì)算結(jié)果基本一致。矩估計(jì)方法相對(duì)于其他兩種方法而言，其計(jì)算量是很小的，由于計(jì)算不精確導(dǎo)致結(jié)果不準(zhǔn)確。在矩估計(jì)方法中，模型的自相關(guān)函數(shù)和未知的模型參數(shù)函數(shù)可以互相表示，基于這樣的理論，我們可以通過(guò)計(jì)算已知的自相關(guān)函數(shù)，從而得到模型參數(shù)的估計(jì)值。極大似然估計(jì)不同于最小二乘法對(duì)數(shù)據(jù)樣本分布信息的偏向性，極大似然估計(jì)則需要知道數(shù)據(jù)樣本的分布類型，一般情況下，我們都假定數(shù)據(jù)樣本服從正態(tài)分布。用極大似然估計(jì)進(jìn)行參數(shù)估計(jì)時(shí)，所得的參數(shù)應(yīng)該最大概率地保證樣本數(shù)

重慶大學(xué)碩士學(xué)位論文26圖3.1運(yùn)用AR模型進(jìn)行輸電塔結(jié)構(gòu)線性損傷識(shí)別的流程圖Fig.3.1FlowchartoftransmissiontowerstructurallineardamageidentificationusingARmodel3.7本章小本章的主要內(nèi)容是整篇論文中最重要的一環(huán)，在引言部分介紹了衡量結(jié)構(gòu)損傷的指標(biāo)即由CMI損傷指標(biāo)轉(zhuǎn)換而來(lái)的指標(biāo)，第二節(jié)主要敘述了ARMA模型的倒譜距離的理論，因?yàn)锳R模型的倒譜距離是根據(jù)ARMA模型的倒譜距離計(jì)算的來(lái)的。在第三節(jié)主要推到了AR模型的倒譜距離的計(jì)算，為提出本文識(shí)別結(jié)構(gòu)損傷指標(biāo)做基矗第四節(jié)則重點(diǎn)介紹了CMI損傷轉(zhuǎn)換指標(biāo)，第五節(jié)介紹了預(yù)白化過(guò)濾器，原始數(shù)據(jù)經(jīng)過(guò)預(yù)白化過(guò)濾器的處理可以使得數(shù)據(jù)之間的相關(guān)性降低，并且具有相同的方差，使得算法更加收斂。最后制作了基于AR模型倒譜距離的CMI損傷轉(zhuǎn)換指標(biāo)對(duì)結(jié)構(gòu)進(jìn)行損傷識(shí)別的流程圖。掌握理解本章的內(nèi)容對(duì)后續(xù)的數(shù)值模擬和實(shí)驗(yàn)算例有很大的幫助。結(jié)

【參考文獻(xiàn)】：
期刊論文
[1]基于自回歸條件異方差轉(zhuǎn)換指標(biāo)的非線性損傷識(shí)別[J]. 郭惠勇,王志華,李正良.  西南交通大學(xué)學(xué)報(bào). 2020(03)
[2]時(shí)間序列與主成分分析的結(jié)構(gòu)損傷識(shí)別[J]. 朱旭,逯靜洲,徐娜,陳林.  煙臺(tái)大學(xué)學(xué)報(bào)(自然科學(xué)與工程版). 2013(03)
[3]基于AR模型和主成分分析的損傷識(shí)別方法[J]. 吳森,韋灼彬,王紹忠,王斌,李揚(yáng).  振動(dòng).測(cè)試與診斷. 2012(05)
[4]基于時(shí)間序列分析的結(jié)構(gòu)損傷識(shí)別[J]. 杜永峰,李萬(wàn)潤(rùn),李慧,劉迪.  振動(dòng)與沖擊. 2012(12)
[5]基于時(shí)間序列分析與高階統(tǒng)計(jì)矩的結(jié)構(gòu)損傷檢測(cè)[J]. 朱軍華,余嶺.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(01)
[6]基于頻率及振型參數(shù)的結(jié)構(gòu)損傷識(shí)別方法[J]. 鐘軍軍,董聰,夏開(kāi)全.  華中科技大學(xué)學(xué)報(bào)(城市科學(xué)版). 2009(04)
[7]基于時(shí)間序列分析的結(jié)構(gòu)損傷檢測(cè)[J]. 吳令紅,熊曉燕.  煤礦機(jī)電. 2009(04)
[8]建設(shè)特高壓電網(wǎng) 服務(wù)經(jīng)濟(jì)社會(huì)發(fā)展[J]. 劉振亞.  國(guó)家電網(wǎng). 2009(04)
[9]基于時(shí)間序列模型自回歸系數(shù)靈敏度分析的結(jié)構(gòu)損傷識(shí)別方法[J]. 王真,程遠(yuǎn)勝.  工程力學(xué). 2008(10)
[10]基于時(shí)間序列分析的結(jié)構(gòu)損傷特征提取與預(yù)警方法[J]. 劉毅,李愛(ài)群,丁幼亮,費(fèi)慶國(guó).  應(yīng)用力學(xué)學(xué)報(bào). 2008(02)

博士論文
[1]基于動(dòng)力檢測(cè)的網(wǎng)格結(jié)構(gòu)損傷識(shí)別研究[D]. 吳金志.北京工業(yè)大學(xué) 2005
[2]橋梁結(jié)構(gòu)動(dòng)力損傷診斷方法研究[D]. 郭國(guó)會(huì).湖南大學(xué) 2001

碩士論文
[1]基于AR/ARCH模型的結(jié)構(gòu)非線性損傷識(shí)別[D]. 程晉軍.重慶大學(xué) 2017
[2]基于時(shí)間序列模型和主成分分析的結(jié)構(gòu)損傷識(shí)別研究[D]. 朱旭.煙臺(tái)大學(xué) 2013
[3]基于時(shí)間序列數(shù)據(jù)的非線性結(jié)構(gòu)恢復(fù)力識(shí)別與建模[D]. 周任.湖南大學(xué) 2009



本文編號(hào)：3592874