基于马氏距离累积量和EMD的结构损伤识别两步法

结构损伤识别一直是结构健康监测和安全状态评估的热点问题,损伤信息少、信噪比低等因素极大增加了结构损伤识别的难度。基于马氏距离累积量(MDC)和经验模态分解(EMD)提出一种结构损伤识别的“两步法”,首先,利用健康状态监测数据作为参考样本,并利用参考样本的MDC值构造损伤识别向量,其MDC值的均值作为阈值,对待测样本进行初步损伤识别;当监测数据中损伤信息较少、信噪比低,利用直接的监测数据损伤识别困难时,则利用经验模态分解方法将监测数据分解成各阶本征模态函数(IMF),再利用各阶IMF的MDC值构造损伤识别向量,并利用统计学方法对损伤识别向量进行概率密度函数拟合,以概率密度函数95%置信区间的上限值作为阈值对结构进一步损伤识别。通过简支梁数值模拟和工字钢的模型试验验证了该方法的有效性及抗噪性。

基于马氏距离累积量的斜拉桥主梁损伤识别方法

斜拉桥主梁是其运营中最为主要的受力构件,主梁的损伤识别方法研究一直是热点问题。针对结构健康监测数据,提出了一种基于马氏距离累积量的时域损伤识别方法。首先,构造基于马氏距离累积量的结构损伤识别向量,给出了利用监测数据进行损伤识别的操作流程。其次,建立了金塘大桥有限元模型,以正弦力激励的方式获得结构单元在健康及损伤状况下的加速度数据;并利用无损伤状态下的加速度数据作为参考样本,损伤状态下的加速度数据作为待测样本,通过对比损伤识别向量的变化情况进行斜拉桥主梁的损伤识别。最后,针对金塘大桥的实桥监测数据,进一步验证了该方法的有效性。结果表明,基于马氏距离累积量的损伤识别方法可以较为准确的识别斜拉桥主梁的损伤状况。