基于粒子群卡爾曼濾波去噪的梁式結(jié)構損傷識別
發(fā)布時間:2020-12-16 23:59
結(jié)構健康監(jiān)測逐漸成為土木領域的熱點,結(jié)構損傷識別吸引了越來越多研究者的關注。近年來隨著科技與經(jīng)濟的發(fā)展,時代中出現(xiàn)了多種多樣的結(jié)構建筑。近些年來,發(fā)生的建筑倒塌事件帶來了不可挽回的后果及損失,其原因主要是未能在損傷積累階段及時發(fā)現(xiàn),難以對結(jié)構在事故發(fā)生前進行挽救。為了確保結(jié)構的安全性和耐久性,對現(xiàn)有結(jié)構進行損傷檢測是非常有必要的。目前用于損傷檢測的結(jié)構損傷指標可以由很多方式來構造,使用頻率最高的是利用模態(tài)參數(shù)的信息來構造,但是不可否認,經(jīng)多種實驗證實,由模態(tài)參數(shù)構造的識別指標都不能忽略噪聲的影響,識別結(jié)果會不同程度的受到各種噪聲的干擾,導致無法準確的對結(jié)構損傷單元進行準確的判定,這也是結(jié)構損傷識別的研究瓶頸。為了解決實測信號中噪聲干擾的問題,本文選取改進后的單元損傷變量作為損傷識別指標,通過粒子群算法和卡爾曼濾波算法相結(jié)合的方式對結(jié)構損傷檢測信號進行處理優(yōu)化,最大程度的避免信號收集裝置和信號傳遞的儀器中采集到的多余噪聲,濾除獲取和傳輸?shù)倪^程多余的干擾部分。通過Matlab軟件來實現(xiàn),針對卡爾曼算法難以獲得噪聲統(tǒng)計特性的缺陷,結(jié)合PSO中適應度函數(shù)準確尋得相應濾波參數(shù)。通過卡爾曼慣用的仿...
【文章來源】:重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:97 頁
【學位級別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 選題背景與研究意義
1.2 結(jié)構損傷識別國內(nèi)外研究現(xiàn)狀
1.2.1 基于動力特性的損傷識別方法
1.2.2 結(jié)構損傷動力檢測相關智能算法
1.3 本文研究主要目的和內(nèi)容
1.3.1 研究目的
1.3.2 研究內(nèi)容
2 基于動力特性的損傷識別相關理論
2.1 隨機子空間的基本理論
2.1.1 動力學時間狀態(tài)空間模型
2.1.2 協(xié)方差驅(qū)動隨機子空間
2.2 結(jié)構轉(zhuǎn)角信息重構
2.3 單元損傷變量法
2.3.1 損傷變量的定義
2.3.2 損傷變量指標的構造
2.4 盲信噪比估計
2.4.1 自相關矩陣奇異值分解和信噪比估計
2.4.2 協(xié)方差矩陣特征值分解和信噪比估計
2.5 本章小結(jié)
3 信號噪聲處理
3.1 小波變換去噪算法
3.1.1 小波去噪問題的描述
3.1.2 基于小波的閾值去噪問題研究
3.2 多源信息融合算法
3.2.1 D-S證據(jù)理論
3.2.2 組合規(guī)則
3.2.3 D-S理論的優(yōu)缺點
3.3 去噪結(jié)果的評價準則
3.3.1 信噪比
3.3.2 均方誤差
3.3.3 平滑度
3.4 實測信號應用去噪方法的困難
3.5 本章小結(jié)
4 粒子群算法及卡爾曼濾波算法
4.1 粒子群優(yōu)化算法簡介
4.2 基本粒子群算法
4.2.1 粒子群算法基本原理
4.2.2 粒子群算法的流程
4.3 卡爾曼濾波研究方法簡介
4.4 卡爾曼濾波算法基本原理
4.4.1 線性和非線性卡爾曼濾波方法
4.4.2 卡爾曼濾波基本估計理論方法
4.5 本章小結(jié)
5 粒子群優(yōu)化卡爾曼濾波的算法改進和應用實現(xiàn)
5.1 卡爾曼濾波誤差分析
5.2 粒子群卡爾曼濾波器的設計與實現(xiàn)
5.2.1 粒子群卡爾曼濾波去噪原理
5.2.2 粒子群卡爾曼算法實現(xiàn)
5.3 粒子群卡爾曼濾波去噪細節(jié)處理
5.3.1 仿真和實測的適應度函數(shù)選擇
5.3.2 仿真和實際應用的濾波效果指標選擇
5.4 實驗仿真與結(jié)果分析
5.5 本章小結(jié)
6 基于粒子群卡爾曼濾波的試驗簡支梁損傷檢測
6.1 鋼筋混凝土簡支梁試驗
6.1.1 相關信息
6.1.2 試驗結(jié)果及分析
6.2 簡支鋼梁試驗
6.2.1 相關信息
6.2.2 試驗結(jié)果及分析
6.3 本章小結(jié)
7 總結(jié)與前景展望
7.1 總結(jié)
7.2 本文創(chuàng)新點
7.3 前景展望
致謝
參考文獻
本文編號:2921026
【文章來源】:重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:97 頁
【學位級別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 選題背景與研究意義
1.2 結(jié)構損傷識別國內(nèi)外研究現(xiàn)狀
1.2.1 基于動力特性的損傷識別方法
1.2.2 結(jié)構損傷動力檢測相關智能算法
1.3 本文研究主要目的和內(nèi)容
1.3.1 研究目的
1.3.2 研究內(nèi)容
2 基于動力特性的損傷識別相關理論
2.1 隨機子空間的基本理論
2.1.1 動力學時間狀態(tài)空間模型
2.1.2 協(xié)方差驅(qū)動隨機子空間
2.2 結(jié)構轉(zhuǎn)角信息重構
2.3 單元損傷變量法
2.3.1 損傷變量的定義
2.3.2 損傷變量指標的構造
2.4 盲信噪比估計
2.4.1 自相關矩陣奇異值分解和信噪比估計
2.4.2 協(xié)方差矩陣特征值分解和信噪比估計
2.5 本章小結(jié)
3 信號噪聲處理
3.1 小波變換去噪算法
3.1.1 小波去噪問題的描述
3.1.2 基于小波的閾值去噪問題研究
3.2 多源信息融合算法
3.2.1 D-S證據(jù)理論
3.2.2 組合規(guī)則
3.2.3 D-S理論的優(yōu)缺點
3.3 去噪結(jié)果的評價準則
3.3.1 信噪比
3.3.2 均方誤差
3.3.3 平滑度
3.4 實測信號應用去噪方法的困難
3.5 本章小結(jié)
4 粒子群算法及卡爾曼濾波算法
4.1 粒子群優(yōu)化算法簡介
4.2 基本粒子群算法
4.2.1 粒子群算法基本原理
4.2.2 粒子群算法的流程
4.3 卡爾曼濾波研究方法簡介
4.4 卡爾曼濾波算法基本原理
4.4.1 線性和非線性卡爾曼濾波方法
4.4.2 卡爾曼濾波基本估計理論方法
4.5 本章小結(jié)
5 粒子群優(yōu)化卡爾曼濾波的算法改進和應用實現(xiàn)
5.1 卡爾曼濾波誤差分析
5.2 粒子群卡爾曼濾波器的設計與實現(xiàn)
5.2.1 粒子群卡爾曼濾波去噪原理
5.2.2 粒子群卡爾曼算法實現(xiàn)
5.3 粒子群卡爾曼濾波去噪細節(jié)處理
5.3.1 仿真和實測的適應度函數(shù)選擇
5.3.2 仿真和實際應用的濾波效果指標選擇
5.4 實驗仿真與結(jié)果分析
5.5 本章小結(jié)
6 基于粒子群卡爾曼濾波的試驗簡支梁損傷檢測
6.1 鋼筋混凝土簡支梁試驗
6.1.1 相關信息
6.1.2 試驗結(jié)果及分析
6.2 簡支鋼梁試驗
6.2.1 相關信息
6.2.2 試驗結(jié)果及分析
6.3 本章小結(jié)
7 總結(jié)與前景展望
7.1 總結(jié)
7.2 本文創(chuàng)新點
7.3 前景展望
致謝
參考文獻
本文編號:2921026
本文鏈接:http://www.sikaile.net/guanlilunwen/chengjian/2921026.html
教材專著