基于ar-arx模型的橋梁實時損傷預警方法
【專利摘要】本發明涉及橋梁結構損傷識別的【技術領域】，為提供一種橋梁實時損傷預警方法，減小其主觀性，同時，可操作性強，可有效識別結構損傷位置和損傷程度，提高損傷預警的精度和效率。為此，本發明采取的技術方案是，基于AR-ARX模型的橋梁實時損傷預警方法，包括如下步驟：1)在目標實橋上布置傳感器；2)獲取環境激勵下橋梁實時監測的動態信號；3)選定基準狀態和未知狀態；4)將每個樣本數據進行標準化處理；5)建立自回歸AR模型，利用AR模型系數進行數據樣本匹配處理；6)建立帶有外部輸入的自回歸ARX模型；7)對DF值進行統計評估確定統計特性值PD；8)確定閾值、預警。本發明主要應用于橋梁結構損傷識別。
【專利說明】基于AR-ARX模型的橋梁實時損傷預警方法
【技術領域】
[0001] 本發明涉及橋梁結構損傷識別的【技術領域】，特別涉及一種基于時間序列模型殘差 的結構實時損傷預警方法。 技術背景
[0002] 交通運輸事業的發展和完善對國民經濟的高速穩定增長起著重大的作用，而橋梁 結構的正常運行是交通運輸系統正常運轉的前提。隨著交通量的不斷上漲，結構出現破損 的現象也在增加，導致橋梁承載力下降，若不能及時識別損傷，使其累積到一定程度，一旦 發生破壞，將給社會帶來重大的損失。因此，對橋梁進行損傷識別研究，具有重要的理論意 義和使用價值。
[0003] 當前國內已有的以及新建的大跨度橋梁的結構健康監測系統是利用現場的無損 傳感技術，獲取結構實時監測信號，通過分析結構物理參數與結構動力特征的變化來研究 結構系統特性，如基于固有頻率、模態振型、模態曲率、剛度矩陣、柔度矩陣及模型修正等。 因此可以通過分析結構系統特性來識別損傷。然而，上述方法有其局限性，例如，對于大型 橋梁結構，高階模態很難獲得；模態振型測量不完整；測量點需要優化選擇等。
[0004] 目前，基于結構振動特性的橋梁損傷識別方法存在數據量大、計算復雜和損傷識 別效率不高等缺點，而且在實際應用中嚴重依賴于傳感器和解釋算法，不能進行有效的實 時損傷預警的問題。
【發明內容】
[0005] 針對現有的橋梁損傷預警方法數據量大、計算復雜和識別損傷效率不高等缺點， 不能進行有效的實時損傷預警的問題。為克服現有技術的不足，提供一種橋梁實時損傷 預警方法，優化時序模型階次的確定方法，減小其主觀性，提高橋梁實時健康監測的效率， 同時，能夠將實時監測的大量結構響應數據所蘊含的信息凝聚為少數的模型參數，可操 作性強，可有效識別結構損傷位置和損傷程度，提高損傷預警的精度和效率。為此，本發 明采取的技術方案是，基于自回歸模型和帶有外部輸入的自回歸模型（Autoregressive models-Autoregressive models with exogenous inputs，簡稱 AR-ARX 模型）的橋梁實時 損傷預警方法，包括如下步驟：
[0006] 1)在目標實橋上布置傳感器；
[0007] 2)獲取環境激勵下橋梁實時監測的動態信號；
[0008] 3)選定基準狀態和未知狀態，把不同狀態的時程響應數據分為不同的數據集，并 生成多個小的數據樣本；
[0009] 4)將每個樣本數據進行標準化處理；
[0010] 5)建立自回歸（AR)模型，利用AR模型系數進行數據樣本匹配處理；
[0011] 6)建立帶有外部輸入的自回歸（ARX)模型，利用ARX模型殘差計算每測點損傷特 征值DF ;
[0012] 7)對DF值進行統計評估確定統計特性值ro ;
[0013] 8)確定閾值，統計特性值ro超過閾值發出預警通知，未超過閾值，不發出預警通 知。
[0014] 獲取環境激勵下橋梁實時監測的動態信號，具體是，根據奈奎斯特采樣定理確定 采樣頻率，獲取橋梁實時監測加速度信號。
[0015] 樣本數據在建立AR模型之前進行標準化預處理，采用的方法為：
[0016]
【權利要求】
1. 一種基于AR-ARX模型的橋梁實時損傷預警方法，其特征是，包括下列步驟： 1) 在目標實橋上布置傳感器； 2) 獲取環境激勵下橋梁實時監測的動態信號； 3) 選定基準狀態和未知狀態，把不同狀態的時程響應數據分為不同的數據集，并生成 多個小的數據樣本； 4) 將每個樣本數據進行標準化處理； 5) 建立自回歸模型一AR模型（Autoregressive models)，利用AR模型系數進行數據 樣本匹配處理； 6) 建立帶有外部輸入的自回歸模型一ARX模型（Autoregressive models with exogenous inputs)，利用ARX模型殘差計算每測點損傷特征值DF ; 7) 對DF值進行統計評估確定統計特性值ro ; 8) 確定閾值，統計特性值ro超過閾值發出預警通知，未超過閾值，不發出預警通知。
2. 如權利要求1所述的基于AR-ARX模型的橋梁實時損傷預警方法，其特征是，獲取環 境激勵下橋梁實時監測的動態信號，具體是，根據奈奎斯特采樣定理確定采樣頻率，獲取橋 梁實時監測加速度信號。
3. 如權利要求1所述的基于AR-ARX模型的橋梁實時損傷預警方法，其特征是，樣本數 據在建立AR模型之前進行標準化預處理，采用的方法為： ^t)=xit^ 汀Λ 式中，x(t)為實時監測加速度信號，始)為處理后的信號，^，和〇χ分別為X(t)的均值 和標準差。
4. 如權利要求1所述的基于AR-ARX模型的橋梁實時損傷預警方法，其特征是，AR-ARX 模型階次的優化步驟包括： a. AR模型階次記為p，ARX的階次記為order = [na，nb，nk]，其中，na是AR部分階次， nb是外部輸入階次，nk是系統的純延時時間； b. 根據 AIC(AkaikeInformation Criterion)準則確定 AR 模型階次 p; c. 在保證na+nb〈p和na>nb的條件下選定n a和nb值； d. nk的取值目標是滿足AIC準則并使損失函數值取最小，根據AIC準則確定nk取值范 圍，在此范圍內計算損失函數值，損失函數值最小的階次即為最終確定的ARX模型階次。 綜合考慮AR模型的系數和殘差，提出數據匹配公式：
式中，〇x2、〇y2為AR模型殘差的方差，ax(k)、a y(k)為AR模型系數，根據公式取最小 值來匹配數據樣本。
5. 如權利要求1所述的基于AR-ARX模型的橋梁實時損傷預警方法，其特征是，基于 ARX模型的殘差提取損傷特征值。
6. 如權利要求1所述的基于AR-ARX模型的橋梁實時損傷預警方法，其特征是，進行基 于大量樣本的損傷識別統計評估，得出損傷概率的表達式。
【文檔編號】G06F19/00GK104297004SQ201410478656
【公開日】2015年1月21日 申請日期:2014年9月18日 優先權日:2014年9月18日
【發明者】朱勁松, 黃法敏 申請人:天津大學