论文部分内容阅读
本文提出了一种基于统计模式识别的结构损伤诊断方法，该方法是通过将无损状态和损伤状态下结构的振动响应数据分别建立统计模式，选取对结构损伤敏感的特征参数作为模式差异指标，明显的区分两种统计模式之间的差异，达到剔除环境噪声影响，有效识别结构损伤的目的。本文对该方法的关键问题：ARMA模型定阶、模型参数估计、统计模式特征参数缩减、及模式差异指标的比选等，进行了深入的研究，并分别用有限元模型模拟实验和有机玻璃模型实验进行了验证。两个实验的结果均表明，基于统计模式的结构损伤检验方法可以有效的检验出结构的损伤状态且对于识别结构的损伤程度具有一定的敏感性。本文所做的工作和结论包括： 1、对时间序列模型的物理意义和几何意义进行了相关综述，比较了几种时间序列模型的优劣，并考虑其用于统计模式的可能性，最终选择用ARMA模型建模，取AR部分模型参数作为统计模式识别的特征参数。 2、通过AIC准则对ARMA模型定阶，确定模型阶数并建立ARMA模型，用基于最小二乘估计的方法编程估算模型AR部分参数，实现模式识别特征参数的提取。 3、用主成分分析法对模型参数进行降维处理，选用新的维数较少的综合指标代替原来的多维模型参数，实现对模式识别特征参数的缩减。 4、介绍了几种模式差异指标，通过比较选取了两种对结构损伤比较敏感的综合指标，分别是均值点和DSPR距离指标，实现了模式差异指标的选取。 5、分别通过有限元模型模拟实验和有机玻璃简支梁实验对两种统计模式识别方法进行了验证，实验结果表明，两种方法均能突出不同模式之间的差异，有效识别结构存在的损伤，实现模式分类。