为了有效地解决时域非线性损伤的识别问题,提出了基于线性/非线性自回归一般表达式模型(general expression for linear and nonlinear autoregressive model,GNAR模型)和Itakura距离的损伤识别方法。描述了GNAR模型的基本理论,给出了...为了有效地解决时域非线性损伤的识别问题,提出了基于线性/非线性自回归一般表达式模型(general expression for linear and nonlinear autoregressive model,GNAR模型)和Itakura距离的损伤识别方法。描述了GNAR模型的基本理论,给出了基本的模型定阶和参数估计方法。采用剪枝算法对GNAR模型结构进行了优化选取,并提出了以Itakura距离作为损伤指标的非线性损伤识别方法。采用3层框架非线性损伤实验验证了该方法的有效性,并将提出的方法运用于输电塔钢架模型的非线性损伤识别实验中。结果表明:提出的结构非线性损伤识别方法对框架和输电塔钢架结构的非线性损伤识别效果良好,且环境变化对其识别结果影响较小,由该方法计算得到的损伤层损伤概率明显大于未损伤层,有利于高效地确定非线性损伤源的位置。展开更多
文摘为了有效地解决时域非线性损伤的识别问题,提出了基于线性/非线性自回归一般表达式模型(general expression for linear and nonlinear autoregressive model,GNAR模型)和Itakura距离的损伤识别方法。描述了GNAR模型的基本理论,给出了基本的模型定阶和参数估计方法。采用剪枝算法对GNAR模型结构进行了优化选取,并提出了以Itakura距离作为损伤指标的非线性损伤识别方法。采用3层框架非线性损伤实验验证了该方法的有效性,并将提出的方法运用于输电塔钢架模型的非线性损伤识别实验中。结果表明:提出的结构非线性损伤识别方法对框架和输电塔钢架结构的非线性损伤识别效果良好,且环境变化对其识别结果影响较小,由该方法计算得到的损伤层损伤概率明显大于未损伤层,有利于高效地确定非线性损伤源的位置。