基于振动模态特征融合小波包变换的结构损伤模糊识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115541723A(43)申请公布日2022.12.30(21)申请号202211055624.4(22)申请日2022.08.31(71)申请人同济大学地址200092上海市杨浦区四平路1239号申请人上海市地震局(72)发明人熊青松袁程熊海贝孔庆钊李颖周伯昌(74)专利代理机构上海科律专利代理事务所(特殊普通合伙)31290专利代理师叶凤(51)Int.Cl.G01N29/44(2006.01)G01N29/04(2006.01)G01H17/00(2006.01)权利要求书2页说明书4页附图3页(54)发明名称基于振动模态特征融合小波包变换的结构损伤模糊识别方法(57)摘要本发明属于结构健康监测中结构损伤识别技术领域，提出基于振动模态特征融合小波包变换的结构损伤模糊识别方法。该方法基于结构振动信号提取出结构模态特征参数融合小波包变换，进而对不同损伤条件下结构响应信号进行模糊聚类，从而实现对结构损伤的识别。本发明根据振动信号模态频带能量分布进行模糊聚类，在保留结构刚度特征的同时实现了对振动数据的降维，从而提高了模糊聚类处理的计算效率和计算精度。本发明无需依赖于损伤情境预设或结构模态参数变化幅度，仅根据结构实际响应可以识别划分出结构不同损伤层级，对于结构健康监测领域中的结构损伤评估具有极大的工程实践价值。CN115541723ACN115541723A权利要求书1/2页1.基于振动模态特征融合小波包变换的结构损伤模糊识别方法，其特征在于，包括以下步骤：S1、利用传感器采集结构在不同损伤情境下的加速度响应信号，并根据采样频率截取为适当长度的时间序列{a1}{a2}…{aN}；得到N个时间段的N个样本，提供给S2、S3；S2、依据加速度信号进行模态频率识别，采用随机子空间法进行模态参数识别，获取结构前n阶模态频率{fn}，提供给S3；S3、将采集得到的加速度信号{ai}进行小波包变换处理，再从中提取出S2所述结构模态频率{fn}所对应波包的能量，得到{Energynode},提供给S4；S4、将波包能量{Energynode}进行归一化处理，得到相对模态频段能量{Energyrel},提供给S5；S5、计算n维向量{Energyrel}中两向量之间的欧拉距离，作为相似性度量。S6、用各类样本与类均值间的平方误差和作为聚类准则，定义准则函数：其中Je是常用的聚类准则函数，表示N个样本聚类成c类时，所产生的总误差的平方和，其值取决于c个聚类中心；y为第i类聚类族Γi中的样本点，mi为第i类聚类族的中心；S7、按最小距离原则将各样本分配到离代表点最近的一类中，不断重新计算类中心，调整各样本类别最终使聚类准则函数Je最小；(t)次迭代运算时，样本点归类原则为由此实现对c类不同损伤情境下N个加速度序列的聚类结果；实际应用时，根据需求提前定义损伤类型数目c，通常取4个损伤层级，分别为无损伤、轻微损伤、中度损伤和严重损伤；S8、得到加速度响应数据的聚类结果(c＝4),为进一步找出聚类族所对应的损伤程度，对每类族中的样本时间序列按步骤S2中的方法进行模态频率识别，依据每个类识别得到的一阶模态频率均值，按照从高到低的顺序，即依次对应为无损伤、轻微损伤、中度损伤及严重损伤。2.如权利要求1所述的基于振动模态特征融合小波包变换的结构损伤模糊识别方法，其特征在于，在S1中，振动信号划分的时间长度需要至少包含结构5个以上完整周期。3.如权利要求1所述的基于振动模态特征融合小波包变换的结构损伤模糊识别方法，其特征在于，在S2中，采用随机子空间法进行模态参数识别时，为有效剔除虚假模态的干扰，采用稳定图谱的方式对模态进行筛选；其基本思路是利用系统的特征值具有两两共轭的特点，将频率‑阶次二维图谱中相邻阶次的频率和阻尼计算结果依次进行比较，若二者差异在设定的容差范围内，则将二者按同阶次处理，为稳定点，反之则为非稳定点。4.如权利要求1所述的基于振动模态特征融合小波包变换的结构损伤模糊识别方法，2CN115541723A权利要求书2/2页其特征在于，在S3中，小波数据包将输入信号的低频子带滤波转换为逐渐更精细的等宽间隔，进而获得频域上更高的分辨率；完整小波包数下降到级别j的频带宽为FS为采样频率，单位Hz。5.如权利要求1所述的基于振动模态特征融合小波包变换的结构损伤模糊识别方法，其特征在于，在S4中，对波包数据能量进行归一化处理，将结构频带相对能量分布信息作为模糊聚类特征，排除了时域振动信号幅值的干扰。6.如权利要求1所述的基于振动模态特征融合小波包变换的结构损伤模糊识别方法，其特征在于，在S5中，对于向量x,y,其欧拉距离的计算公式为：3CN115541723A说明书1/4页基于振动模态特征融合小