CN110298143A - 一种基于两阶段数据融合的预应力张弦桁架损伤识别方法 - Google Patents

Abstract

本发明将两阶段数据融合理论引入预应力张弦桁架损伤识别中，解决了预应力张弦桁架运用单损伤指标识别精度低以及已有张弦桁架数据融合损伤识别方法仍不理想的问题，提高了预应力张弦桁架的损伤识别精度。

Description

一种基于两阶段数据融合的预应力张弦桁架损伤识别方法

技术领域

本发明属于预应力张弦桁架的损伤识别领域，涉及一种基于模态监测数据的两阶段数据融合的预应力张弦桁架损伤识别方法。

背景技术

预应力张弦桁架是由上部刚性桁架与下部柔性拉索通过中部撑杆组合而成的一种自平衡体系，其具有受力合理、承载能力高、造型轻盈、跨度大等优点，在国内外的体育馆、候车厅、展览厅、高铁站房等大跨钢屋盖结构中成功运用，成为目前应用最为广泛的一种大跨预应力钢结构形式。

张弦桁架一般规模大、服役期限长，所处环境状况复杂，受到的载荷作用具有随机性，发生损伤的潜在危险性较大，并且损伤难以用肉眼分辨，因此往往就会使得损伤构件得不到及时处理和加固。在这种情况下损伤会持续对结构的正常使用产生影响，甚至引发连续倒塌，产生较大的社会经济损失。国内外曾发生过多起大跨钢屋盖或顶棚的严重破坏或整体倒塌事故因此研究张弦桁架在运营期的损伤识别具有重要的现实意义。

基于模态数据的损伤识别指标可以有效的结构损伤，并在桥梁结构和多、高层结构中得到较多应用。但由于张弦桁架中存在拉索、撑杆和桁架等不同类型杆件，杆件类型繁多，其受力机理复杂，损伤识别与常规桥梁式结构或多高层建筑结构存在明显差异。发明人前期试验和理论分析研究亦表明，传统的损伤识别指标应用于张弦桁架中存在一定程度的误判行为，识别精度受到限制。

基于数据融合的损伤识别方法可以提高损伤识别精度，国内外学者开展了深入研究。然而由于张弦桁架结构的特殊性，一方面针对其的数据融合损伤识别方法研究尚未形成完整体系，另一方面已有数据融合研究方法仍会受到非损伤位置处的干扰，识别效果不理想。

为了满足张弦桁架健康监测需求，针对张弦桁架基于模态数据的单损伤指标识别效果不佳以及已有基于数据融合损伤识别方法仍不理想的问题，本发明将“两阶段数据融合方法”同“张弦桁架损伤识别”相结合，即运用D-S证据矩阵规则进行两阶段的数据融合识别张弦桁架损伤，首先对张弦桁架单损伤识别指标进行指标间的数据融合，基于此再次利用数据融合准则进行指标间的数据融合，得到最终的张弦桁架损伤判断指标。该方法提高了预应力张弦桁架损伤识别精度，并且为损伤识别技术在张弦桁架实际工程中的应用提供理论方法和技术支撑。

本发明将两阶段数据融合理论引入预应力张弦桁架损伤识别中，解决了预应力张弦桁架运用单损伤指标识别精度低以及已有张弦桁架数据融合损伤识别方法仍不理想的问题，从以下几方面提高了预应力张弦桁架的损伤识别精度：

(1)本发明在进行单损伤识别指标计算时，选取了适用于张弦桁架的基准损伤识别指标体系，提高了张弦桁架单损伤指标的识别精度，为数据融合方法提供了良好的融合基础。

(2)本发明选取D-S证据矩阵理论作为融合准则。D-S证据矩阵理论其本质为决策层融合方法，具有通信量小、实时性好、传输带宽低、抗干扰能力强、和容错性高等优点，且适合于无先验知识的融合，因此适合于张弦桁架结构的损伤检测。其能够综合反映单损伤指标的识别结果，能够提高损伤识别的准确度。

(3)本发明将“两阶段融合思想”与“D-S证据矩阵数据融合准则”相结合，相比已有数据融合方法，其通过两阶段的数据融合进一步降低非损伤位置处的干扰，消除不利因素的影响，可以有效地提高损伤识别的准确性，判断出损伤位置。

(4)本发明所涉及到的单损伤识别方法以及两阶段数据融合损伤识别方法均可以根据已有研究和理论公式在各编程软件中实现高效的求解，该方法操作简单，易于理解。该方法具有节约人力成本，降低人员检测安全风险的优点，具有很强的实用性。

(5)将本发明的基于两阶段数据融合的预应力张弦桁架损伤识别方法应用到实际张弦桁架健康监测之中，可以及时发现损伤，能够使结构处于相对安全的状态，为实现大型结构全寿命周期设计和维护提供了一种有效的手段。

发明内容

本发明提供了一种综合多种单损伤指标识别结果，消除干扰提高识别精度的基于两阶段数据融合的预应力张弦桁架损伤识别方法，具体方案如下：

一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，识别方法依次包括如下步骤：

一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，识别方法依次包括如下步骤：

S1：获取预应力张弦桁架无损和正常使用期间模态数据；

S2：计算所述预应力张弦桁架单损伤识别指标；

S3：第一阶段融合，即对所述张弦桁架单损伤识别指标进行指标内的数据融合；

S4：第二阶段融合，即再次利用数据融合准则进行指标间的数据融合，得到最终的所述张弦桁架两阶段融合识别指标；

S5：判断预应力张弦桁架损伤位置，即将两阶段融合识别指标损伤概率值最大处确认为所述张弦桁架杆件发生损伤位置。

进一步地，步骤S1还包括：

S11：获取所述预应力张弦桁架无损状态下的各阶模态数据；

S12：获取所述预应力张弦桁架使用期间某一检测状态下的各阶模态数据；

S13：构建所述预应力张弦桁架使用期间某一检测状态下的各阶损伤识别模态数据。

进一步地，步骤S13中构建的所述预应力张弦桁架损伤识别模态数据优选为前3阶。

进一步地，步骤S2还包括：

S21：基于已知的单损伤识别指标对所述预应力张弦桁架的损伤识别效果，确定适合所述预应力张弦桁架的基准损伤识别指标体系，并从中选取至少两种单损伤识别指标用于张弦桁架的损伤识别分析；

S22：依据所选取的单损伤识别指标的特点，选取用于其计算的模态数据，选取至少一阶模态数据组成新的张弦桁架模态数据组；

S23：基于所述新的张弦桁架模态数据组分别计算张弦桁架单损伤识别指标。

进一步地，步骤S3还包括：

S31：对预应力张弦桁架单损伤识别指标结果进行概率赋值；

S32：利用D-S证据矩阵规则融合基于不同模态数据的同种损伤识别指标，得到预应力张弦桁架各单损伤识别指标的指标内融合结果。

进一步地，步骤S4还包括：

S41：将步骤S32中计算得到的各损伤识别指标的指标内融合结果作为第二阶段计算的基本概率分配函数；

S42：选取D-S证据矩阵规则进行指标间融合，得到张弦桁架最终的两阶段融合识别指标。

附图说明

图1为本发明中一个实施例的流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

如图1所示，本发明的基于两阶段数据融合的预应力张弦桁架损伤识别方法，包括以下步骤：

(1)分析准备

(1a)获取预应力张弦桁架无损状态下的各阶模态数据。在预应力张弦桁架未发生损伤阶段，运用TST3000动态信号测试分析系统采集布置在预应力张弦桁架上弦节点处的各传感器加速度信号，并运用泰斯特电子有限公司的TSTMP模态分析软件对其进行模态分析，获取其在无损状态下的各阶模态数据(位移归一化模态)，作为基准数据，以用于后续结构使用期间的损伤识别。

(1b)获取预应力张弦桁架使用期间某一检测状态下的各阶模态数据。采集布置在预应力张弦桁架上弦节点处的各传感器加速度信号，并运用泰斯特电子有限公司的TSTMP模态分析软件对其进行模态分析，获取预应力张弦桁架使用期间某一检测状态下的各阶模态数据(位移归一化模态)。

(1c)构建结构使用期间某一检测状态下的各阶损伤识别模态数据Φ。在利用计算损伤识别指标时要求所用的模态数据为质量归一化模态，因此需要对实测模态转化成质量归一化模态。公式如下所示：

其中为第i阶的位移归一化模态，[M]为结构的质量。

得到预应力张弦桁架损伤识别模态数据Φ，其中Φ_i表示预应力张弦桁架在无损状态以及使用期某一状态下的第i阶质量归一化模态数据。

Φ＝[Φ₁,Φ₂,...,Φ_i,...,Φ_n]

Φ_i＝[Φ_iu,Φ_id]

(2)预应力张弦桁架单损伤识别指标计算，具体步骤为：

(2a)分析基于模态数据的单损伤识别指标对预应力张弦桁架的损伤识别效果，确定适合预应力张弦桁架的基准模态损伤识别指标体系，从中选取两种及以上单损伤识别指标用于张弦桁架的损伤识别分析。

(2b)从1(c)分析得到的预应力张弦桁架模态监测数据Φ＝[Φ₁,Φ₂,…,Φ_n]中，选取某几阶模态数据组成新的张弦桁架模态数据组：模态数据组1(S₁₁,S₁₂,…,S_1i)，模态数据组2(S₂₁,S₂₂,…,S_2j)等，以用于计算各单损伤识别指标。

(2c)基于新组成的模态数据组计算张弦桁架单损伤识别指标。基于模态数据1得到一系列损伤识别指标D₁：根据模态数据S₁₁得到根据模态数据S₁₂得到直至计算得到基于模态数据2得到一系列损伤识别指标D₂，按此方法直至计算出一系列损伤识别指标D_f，并分析各张弦桁架单损伤识别指标结果。

(3)预应力张弦桁架第一阶段融合计算其特征在于首先对预应力张弦桁架单损伤识别指标结果进行概率赋值，接着利用D-S证据矩阵规则融合基于不同模态数据的同种损伤识别指标，得到预应力张弦桁架各单损伤指标的指标内融合结果DF_f。

D-S证据矩阵的基本原理为：基于多传感器数据运用多种损伤识别指标进行独立识别，并对各损伤识别指标的判断结果分别进行概率赋值确定基本概率分配函数，接着运用D-S合成规则进行融合，得到最后识别结果。

设θ为预应力张弦桁架损伤识别框架，e_i(i＝1,2,…n)表示张弦桁架第i单元损伤，则：

θ＝{e₁,e₂,...,e_n}

预应力张弦桁架损伤识别框架的幂集为2^θ，其表示预应力张弦桁架损伤工况的集合：

式中：表示预应力张弦桁架处于无损状态；e_i表示预应力张弦桁架单个构件发生损伤，即单损伤；e_i∪e_j…∪e_k表示预应力张弦桁架多个单元同时发生损伤，即多损伤。

在识别框架上的基本概率分配过程可以表示成一个2^θ→[0,1]的函数，即基本概率分配函数mass函数，简写为m，其满足：

式中：A为预应力张弦桁架某一损伤工况，m(A)为A的基本概率分配函数。

设m₁,m₂,…m_n表示同一识别框架上的n个概率分配函数，其运用D-S证据矩阵合乘规则进行运算，表达如下：

其中，

(3a)基于模态数据S_fk的单损伤识别指标基本概率分配函数为代表了预应力张弦桁架各单元的损伤概率。按照下式计算各张弦桁架损伤识别指标的基本概率分配函数，其中表示由损伤识别指标计算得到的张弦桁架第i单元的损伤概率，为第i单元的损伤识别指标值，n为损伤识别计算所选取的结构单元数。

(3b)按照D-S证据矩阵规则融合基于不同模态数据的张弦桁架同种损伤识别指标基本概率分配函数，得到各损伤识别指标的指标内融合结果。两种基本概率分配函数的张弦桁架指标内融合方法如下式所示，A表示张弦桁架的某一损伤工况。

多种基本概率分配函数的张弦桁架指标内融合方法如下式所示。

(4)预应力张弦桁架第二阶段融合计算是利用D-S证据矩阵规则合成指标内融合结果，得到预应力张弦桁架的两阶段融合识别指标。具体步骤为：

(4a)选取(3b)计算得到的各损伤识别指标的指标内融合结果DF₁，DF₂…DF_f做为第二阶段的基本概率分配函数。

(4b)选取D-S证据矩阵规则进行指标间融合，得到张弦桁架最终的两阶段融合识别指标DFI。基于两种单损伤识别方法的张弦桁架指标间融合方法如下式所示。

基于多种单损伤识别方法的张弦桁架指标间融合方法如下式所示。

(5)确定损伤位置。两阶段融合识别指标损伤概率值最大处张弦桁架杆件发生损伤。

Claims (6)

1.一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，识别方法依次包括如下步骤：

S1：获取预应力张弦桁架无损和正常使用期间模态数据；

S2：计算所述预应力张弦桁架单损伤识别指标；

S3：第一阶段融合，即对所述张弦桁架单损伤识别指标进行指标内的数据融合；

S4：第二阶段融合，即再次利用数据融合准则进行指标间的数据融合，得到最终的所述张弦桁架两阶段融合识别指标；

S5：判断预应力张弦桁架损伤位置，即将两阶段融合识别指标损伤概率值最大处确认为所述张弦桁架杆件发生损伤位置。

2.根据权利要求1所述的一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，步骤S1还包括：

S11：获取所述预应力张弦桁架无损状态下的各阶模态数据；

S12：获取所述预应力张弦桁架使用期间某一检测状态下的各阶模态数据；

S13：构建所述预应力张弦桁架使用期间某一检测状态下的各阶损伤识别模态数据。

3.根据权利要求2所述的一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，步骤S13中构建的所述预应力张弦桁架损伤识别模态数据优选为前3阶。

4.根据权利要求1所述的一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，步骤S2还包括：

S21：基于已知的单损伤识别指标对所述预应力张弦桁架的损伤识别效果，确定适合所述预应力张弦桁架的基准损伤识别指标体系，并从中选取至少两种单损伤识别指标用于张弦桁架的损伤识别分析；

S22：依据所选取的单损伤识别指标的特点，选取用于其计算的模态数据，选取至少一阶模态数据组成新的张弦桁架模态数据组；

S23：基于所述新的张弦桁架模态数据组分别计算张弦桁架单损伤识别指标。

5.根据权利要求1所述的一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，步骤S3还包括：

S31：对预应力张弦桁架单损伤识别指标结果进行概率赋值；

S32：利用D-S证据矩阵规则融合基于不同模态数据的同种损伤识别指标，得到预应力张弦桁架各单损伤识别指标的指标内融合结果。

6.根据权利要求1所述的一种基于两阶段数据融合的预应力张弦桁架损伤识别方法，其特征在于，步骤S4还包括：

S41：将步骤S32中计算得到的各损伤识别指标的指标内融合结果作为第二阶段计算的基本概率分配函数；

S42：选取D-S证据矩阵规则进行指标间融合，得到张弦桁架最终的两阶段融合识别指标。