排列熵算法在水工结构损伤诊断中的应用

摘要：

提出一种基于排列熵算法(permutation entropy,简称PE)的水工结构损伤诊断方法.首先,运用小波阈值-经验模态分解(empirical mode decomposition,简称EMD)降噪方法对原始信号进行降噪,减小环境噪声对结构损伤特征信息的干扰,提高信号的信噪比;其次,运用排列熵算法检测降噪后信号的复杂度,并计算其排列熵值.通过不同工况下信号熵值变化规律的对比,实现水工结构损伤的诊断.将该方法应用于泄流激励下悬臂梁模型的试验研究,结果表明,正常无损状态下结构振动信号的排列熵值最大;结构发生损伤时,其熵值降低,且损伤程度越大,熵值越小;排列熵对结构的初期损伤比较敏感;结构未发生损伤时,不同工况下的排列熵基本不变,说明排列熵能够有效确定结构的损伤,且具有较高的诊断精度.

关键词：水工结构、环境激励、排列熵、损伤诊断、识别

所属期刊栏目：38

分类号：TH825;TV31

资助基金：国家自然科学基金资助项目51679091;河南省高校科技创新人才计划资助项目18HASTIT012;广东省水利科技创新基金资助项目2017-16;华北水利水电大学研究生教育创新计划基金资助项目YK2017-03

在线出版日期：2018-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：234-239