环境自然激励下一种结构损伤在线识别方法

提出了一种环境自然激励下工程结构损伤识别方法,该法仅仅通过结构的输出数据识别结构的损伤．首先在结构完好的情况下,通过结构的输出数据识别外部统计参数;然后在结构损伤情况下,通过结构的输出数据识别结构的损伤分布函数．给出了识别结构损伤的理论模型和计算方法．数值仿真结果表明,该方法具有较高的辨别率和计算精度,能够使用在桥梁和建筑的健康监测中．     

基于敏感性的结构损伤识别中的噪声分析

针对基于振动测试的结构损伤识别方法很容易受到环境噪声干扰的问题,提出了一种新的噪声分析方法,并结合Monte Carlo 数值模拟技术研究了测量噪声对基于敏感性的损伤识别方法的影响．与普遍采用的摄动法不同,提出的方法直接由敏感性矩阵的Moore-Penrose广义逆推导得出．该方法不仅使得噪声分析过程更简洁而有效,并且能同时分析频率和振型噪声对于识别结果的影响．针对3种常用的基于敏感性的损伤识别方法,通过一个单层门式框架的仿真研究,表明了所提出的噪声分析方法的正确性和有效性．     

结构系统识别不确定性分析的Bayes方法及其进展

受测试误差、建模误差、数值离散化以及环境变异等因素的影响,结构系统识别过程不可避免地存在不确定性,因此有必要引入概率统计方法来提高其鲁棒性,为工程结构安全监测提供更为可靠的结果.近年来,Bayes(贝叶斯)方法因为其诸多优势在系统识别领域受到了广泛关注.该文梳理了Bayes系统识别的历史脉络和研究进展.从Bayes系统识别的理论框架出发,分析了量化系统识别不确定性两类方法的适用条件与局限性.此外,文章综述了Bayes方法在模态参数识别、有限元模型修正以及结构损伤识别方面进行不确定性分析的理论、实现及其应用.最后对基于Bayes方法进行系统识别研究的发展趋势做出了展望.     

缺失数据下基于众数回归的变系数部分非线性模型的估计

针对响应变量随机缺失的变系数部分非线性模型,提出了一种稳健的基于众数回归的估计方法.采取逆概率加权方法,利用QR正交分解技术,分别得到了未知参数和变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

基于自由度缩聚的最小秩修正损伤诊断

为了解决实测模态参数与有限元分析模态参数不匹配对损伤诊断精度影响的问题,推导了基于自由度缩聚法的残余力向量公式及最小秩修正公式.通过对结构自由度缩聚后的损伤前、后残余力向量的运算,可以得出相较于损伤前的残余力变化率向量,将残余力变化率向量元素的绝对值作为改进的残余力向量,通过运用推导出的改进残余力向量,能够较好地解决采用最小秩修正法时所选取模态个数必须等于待修正刚度矩阵秩这一矛盾,并由缩聚后最小秩修正公式计算出损伤程度.研究表明:在考虑噪音干扰下,改进的残余力向量法对自由度缩聚后的受损结构依然具有较高地识别精度.利用推导的最小秩修正公式进行损伤程度识别其结果是可靠的.本文所提方法既可以实现对实测自由度不完备结构的损伤定位,又可进行损伤程度的识别,具有较高的鲁棒性和损伤诊断性能.     

基于Bayes FFT的螺栓连接结构模型更新方法

提出了一种基于Bayes FFT的螺栓连接结构模型更新方法.该方法中,通过弹簧和薄层单元模拟螺栓连接,借助子结构技术建立了组合结构动力学方程.进一步地,在Bayes理论框架下,由测试时域信号FFT变换系数的统计特征构造模型更新了参数的后验概率密度函数,以其负对数似然函数极值为优化目标进行参数更新,采用最大后验估计得到最优估计值,并通过后验概率分布渐近于Gauss分布的性质进行参数的不确定性量化.在数值算例中,考虑随机载荷作用下组合悬臂梁结构的模型更新问题,针对两种不同连接模型化方式给出了更新参数的不确定量化,并通过测量功率谱和修正功率谱对比,验证了所提出方法的正确性和有效性.     

缺失数据下线性模型的半参数估计

通过比较参数方法和非参数方法对选择概率建模的优缺点,基于充分降维的思想提出了一种利用单指标模型对选择概率建模的半参数方法.基于逆概率加权方法和半参数方法,研究了缺失数据下线性模型的统计推断问题.建立的逆概率加权估计方程可以处理不同的数据缺失情形,给出了线性模型中兴趣参数的估计,并证明了它的渐近正态性.最后通过模拟研究说明提出的方法具有较好的有限样本性质.     

动力模型参数识别中的Bayes方法

将统计分析中的Bayes方法应用到参数识别问题中,提出了利用测量频率的Bayes估计识别动力学模型的方法,该方法是基于广义逆特征值问题的解。考虑到试验数据的随机性,测量频率用正态分布来描述。此外,将工程师关于测量频率的置信度进行量化,并且与识别过程相结合。数值算例证明了这一方法的有效性。     

非概率样本的模型推断

非概率抽样在大数据时代有广阔的应用空间,但其统计推断问题仍有待研究和发展.针对这一问题,提出利用基于模型的推断方法结合配额抽样实现非概率样本的统计推断,其思路是先设定线性回归形式的超总体模型,再利用配额样本观测数据拟合模型估计未知参数,进而利用模型对非观测单元进行预测,案例分析结果显示基于超总体模型的推断方法是解决非概率样本统计推断的有力途径,具有较大的深入研究价值.     

基于PCP特征的和弦识别研究与探讨

讨论了音乐识别领域中和弦的四种不同识别方法,给出了基于PCP特征的和弦识别算法.使用PCP作为和弦的特征作为输入送至隐马尔可夫模型中训练,利用Baum-Welch算法估计模型参数,通过Viterbi算法得到正确和弦.通过实验获得了76%的识别率,验证了该算法的可行性.