基于Kalman-GARCH模型的结构损伤识别

摘要：

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础.为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法.采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证.结果 表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2％.该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路.

关键词：桥梁结构、损伤识别、Kalman滤波、时间序列、广义自回归条件异方差(GARCH)

所属期刊栏目：39

分类号：U448.14(桥涵工程)

资助基金：国家重点研发计划项目;国家杰出青年基金;重庆市人工智能技术创新重大主题专项重点研发项目;贵州省交通运输厅科技项目

在线出版日期：2020-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-7,21