为提高环境和运营变化(environmental and operational variations,EOV)影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析(inverse nonlinear principal component analysis,INLPCA)和极值理论,提出一种新的桥梁损伤检测方法.该方法...为提高环境和运营变化(environmental and operational variations,EOV)影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析(inverse nonlinear principal component analysis,INLPCA)和极值理论,提出一种新的桥梁损伤检测方法.该方法采用INLPCA对桥梁损伤特征进行建模,利用不完备健康监测数据的估计均方误差和添加神经网络训练惩罚项控制INLPCA的非线性程度.采用INLPCA对损伤特征的重构误差和马氏平方距离(Mahalanobis squared distance,MSD)建立损伤指标(ID),最后基于ID的广义极值(generalized extreme value,GEV)分布建立损伤检测阈值.以比利时KW51铁路桥和天津永和斜拉桥为例,验证所提方法的有效性.结果表明,所提方法能准确检测EOV影响下的桥梁损伤,且对不同桥型和不同损伤特征均有良好的适用性.展开更多
基于演算子理论的鲁棒右互质分解(operator-based robust right coprime factorization,ORRCF)方法可以有效地处理非线性系统的鲁棒镇定和跟踪问题。首先,简述本方法相关的概念和定义。其次,基于利普希茨范数、同构思想和无源性控制方...基于演算子理论的鲁棒右互质分解(operator-based robust right coprime factorization,ORRCF)方法可以有效地处理非线性系统的鲁棒镇定和跟踪问题。首先,简述本方法相关的概念和定义。其次,基于利普希茨范数、同构思想和无源性控制方法讨论了此方法在非线性系统的鲁棒稳定、鲁棒分解和无源性方面的主要结果。再次,基于指数迭代定理、内模控制方法和滑模控制方法分别讨论了非线性的跟踪、鲁棒容错跟踪和自适应跟踪问题。最后,介绍此方法的实际应用,从而进一步证明其有效性。展开更多
文摘基于演算子理论的鲁棒右互质分解(operator-based robust right coprime factorization,ORRCF)方法可以有效地处理非线性系统的鲁棒镇定和跟踪问题。首先,简述本方法相关的概念和定义。其次,基于利普希茨范数、同构思想和无源性控制方法讨论了此方法在非线性系统的鲁棒稳定、鲁棒分解和无源性方面的主要结果。再次,基于指数迭代定理、内模控制方法和滑模控制方法分别讨论了非线性的跟踪、鲁棒容错跟踪和自适应跟踪问题。最后,介绍此方法的实际应用,从而进一步证明其有效性。