基于统计矩理论和贝叶斯方法的框架结构损伤识别方法研究
基于统计矩理论,以融合位移四阶统计矩和加速度八阶统计矩作为损伤指标,结合贝叶斯混合采样算法,提出了仅通过单次采样即可进行框架结构损伤识别的方法.该方法将标准MH算法和Gibbs算法相结合,以正交设计试验为基础研究单次采样的最佳时长.通过改进的位移四阶统计矩和加速度八阶统计矩损伤指标,快速识别模型结构损伤位置,然后结合贝叶斯MH-Gibbs混合采样算法基于模型分析快速识别结构损伤程度.建立12层标准框架结构数值模型,在信噪比40、30 dB条件下,针对不同损伤识别方法进行识别效果及效率研究对比.通过已有振动台试验对该识别方法进行验证,结果表明:改进的位移四阶统计矩和加速度八阶统计矩损伤指标相较于采用单一加速度八阶统计矩损伤指标识别效果更精准,根据正交设计试验得到的单次采样最佳时长避免贝叶斯方法多次采样的局限性,因此该方法在识别结构损伤时收敛快耗时短,识别精度高且只需一次采样即可对框架结构进行损伤诊断.
框架结构、统计矩理论、贝叶斯方法、损伤识别、MH-Gibbs混合采样
44
TU323.5;TU317(建筑结构)
国家重点研发计划;重庆市科技局技术创新与引用发展专项;重庆高新区科技创新局揭榜挂帅项目
2023-03-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
217-226