發(fā)布時間：2018-01-24 17:54

  本文關鍵詞： 損傷識別 時間序列 主成分分析 平穩(wěn)時間序列 條件異方差　出處：《煙臺大學》2013年碩士論文　論文類型：學位論文

【摘要】：基于時間序列的損傷識別作為一種全新的研究方法，近年來得到了不斷的完善和發(fā)展，屬于結構損傷診斷的前沿領域。但目前時間序列分析的應用存在一些問題：對于簡支梁、連續(xù)梁等簡單結構應用較多，對于框架、網架等復雜結構的應用研究還比較少；基于時序分析的研究方法以往大都應用于結構的狀態(tài)預測，對于結構的損傷定位和程度的判斷還處于發(fā)展和完善階段；線性平穩(wěn)時間序列的應用廣泛，對于非線性時間序列的應用很少。針對以上問題，本文擬結合框架和網架結構的自身特點，對于時間序列分析法在結構損傷識別中的應用作了進一步研究。主要工作包括： (1)綜述了結構損傷識別的當前國內外研究情況和未來的發(fā)展趨勢。首先系統(tǒng)總結了損傷識別領域內不同識別方法的優(yōu)缺點。并根據時間序列模型和結構系統(tǒng)之間的聯(lián)系，重點闡明了時間序列分析在結構損傷識別中的基本原理。 (2)對時間序列模型的建模過程作了深入研究，包括對系統(tǒng)激勵源的分析、結構響應數(shù)據的采集和預處理、模型識別、模型參數(shù)的計算和模型定階等問題。詳細闡述了主成分分析法的基本原理，對其在結構損傷識別中的應用背景作了介紹。 (3)提出了基于時間序列和主成分分析的結構損傷識別方法。分別采用時間序列模型參數(shù)和均方根誤差作為損傷敏感因子進行結構損傷識別。由于損傷識別矩陣維數(shù)較高，信息出現(xiàn)重疊現(xiàn)象，采用主成分分析法對原始矩陣進行壓縮和解釋，得到損傷敏感因子主成分矩陣，保留了原始矩陣中的有效信息，簡化了計算過程。針對AR、MA模型自身的局限性，本文采用ARMA模型對結構的動力響應數(shù)據進行建模，，采用美國Los Alamos實驗室框架結構模型的損傷實驗數(shù)據驗證了基于時間序列和主成分分析法的有效性。 (4)利用時間序列和主成分分析法對一個典型的雙層網架結構進行了損傷識別數(shù)值模擬。首先基于ANSYS進行有限元建模，對結構進行模態(tài)分析。然后在不同工況下分別采用高斯白噪聲作為激勵源，對結構進行動力時程響應分析，獲取各節(jié)點的加速度響應作為損傷識別原始數(shù)據。最后通過MATLAB健康監(jiān)測工具箱建立ARMA模型進行損傷識別，并考慮了結構響應在不同噪聲水平干擾下的變化。研究結果表明網架結構損傷單元節(jié)點處的損傷敏感因子DSF值遠大于未損傷單元節(jié)點，定位效果顯著，進一步驗證了該方法的可行性和有效性。 (5)針對ARMA模型在非線性損傷識別中的所存在的問題，基于美國Los Alamos實驗室框架結構模型的損傷實驗數(shù)據，采用條件異方差GARCH模型進行建模識別。將兩種模型的識別結果進行對比，研究結果表明GARCH模型在非線性損傷識別中受外界環(huán)境干擾較小，計算方便，對于結構的損傷定位和程度的判斷能力高于線性ARMA模型，進一步提高了損傷識別精度。 本文提出的基于時間序列和主成分分析的結構損傷識別方法適用于框架、網架等較為復雜的結構，進一步提高了結構損傷的定位和程度判別效果，具有一定的實踐意義。
[Abstract]:As a new research method of damage identification based on time series in recent years has been the forefront of continuous improvement and development, which belongs to the field of structural damage diagnosis. But the application of time series analysis has some problems: for more, simply supported beam, continuous beam and simple structure for application framework, application of grid complex structure is still relatively small; research methods of time series analysis is usually applied to the state prediction based on the damage localization of the structure and the degree of judgment is still in the stage of development and perfection; the application of linear stationary time series, for the application of nonlinear time series. To solve the above problems, this paper combines the framework and network structure itself the characteristics of time series analysis method for the further study of structural damage identification. The main work includes:
(1) review of structural damage recognition at home and abroad research situation and development trend in the future. Firstly, summarizes the advantages and disadvantages of damage identification in different recognition methods. And according to the time sequence between the model and the structure of the system, focusing on the time series analysis in the basic principle of structural damage recognition.
(2) the process of modeling the time series model is researched, including the analysis of the excitation of the system, the response data acquisition and preprocessing, model identification, order such as calculating the model parameters and model. Elaborated the basic principle of principal component analysis, introduces the structure of the application background of damage identification.
(3) put forward the structural damage identification of time series analysis and principal component method based on time series model parameters and the RMS error are used as damage sensitive factor for structural damage identification. The damage identification matrix of high dimension, information overlap phenomenon, using principal component analysis to compress and interpretation of the original matrix method, get the damage sensitive factor of the principal component matrix, retaining the effective information in the original matrix, simplify the calculation process. According to AR, the limitations of the MA model, this paper uses ARMA model to model the structural dynamic response data, verify the validity of the time series and the principal component analysis method based on the experimental data of American Los laboratory Alamos damage the frame structure of the model.
(4) analysis was carried out on a numerical simulation of damage identification of double grid structure by using the method of typical time series and the first principal component. Based on ANSYS finite element model, the modal analysis of the structure. Then under different conditions using Gauss white noise as the excitation source, the response analysis of the structure of power, access the node acceleration response as the damage identification of the original data. Finally through the MATLAB toolbox to establish the ARMA model for health monitoring and damage identification, and considering the structural response changes at different noise levels under the interference. The results showed that the damage sensitive factor DSF grid structure damage element node is greater than the undamaged unit node positioning effect further, to verify the feasibility and validity of this method.
(5) for the ARMA model on nonlinear damage identification of the problems, the United States Los Alamos laboratory injury experimental data frame structure model based on the conditional heteroskedasticity GARCH model identification. Will identify the results of the two models were compared, the results showed that the GARCH model in nonlinear damage recognition by small interference the external environment for the convenience of calculation, the linear ARMA model to determine the ability of structure damage location and degree of above, to further improve the accuracy of damage identification.
The structural damage identification method based on time series and principal component analysis is suitable for complex structures such as frame and grid. It further improves the location and degree discrimination of structural damage, and has certain practical significance.

【學位授予單位】：煙臺大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TU317

【相似文獻】

相關期刊論文 前10條

1 羅杰D·漢森;蘭杰桑·納拉園安;馮文華;;城市需水量日變化時間序列模型[J];海河水利;1983年S1期

2 胡軍華;張慶波;鮑雷鳴;;SPSS統(tǒng)計軟件在水文預報中的應用[J];西北水電;2006年02期

3 崔敬巍;謝里陽;;自相關過程的統(tǒng)計控制方法研究[J];機械制造;2006年09期

4 夏迪;韓剛;王永泓;;方差分析在電廠燃氣輪機性能監(jiān)測系統(tǒng)中的應用[J];熱能動力工程;2007年02期

5 陳光金;;ARMA模型在我國汽車產量預測中的應用[J];全國商情(經濟理論研究);2007年05期

6 張穎;賈民平;;零件庫存用量的預測方法比較[J];機械制造與自動化;2007年04期

7 劉輝;潘迪夫;李燕飛;;基于時間序列分析的機車振動信號建模和預測[J];鐵道機車車輛;2007年04期

8 陳茹雯;黃仁;史金飛;張志勝;;線性/非線性時間序列模型一般表達式及其工程應用[J];東南大學學報(自然科學版);2008年06期

9 劉金平;;基于Microsoft時序算法在電力負荷預測中的應用[J];電腦知識與技術;2011年08期

10 胡軍華;唐德善;;時間序列模型在徑流長期預報中的應用研究[J];人民長江;2006年02期

相關會議論文 前10條

1 陳偉福;馮國燦;;局部光滑主成分分析[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 胡汪洋;景玎;馮民;于宏民;;沈陽市自然資源評價研究[A];科學發(fā)展與社會責任（B卷）——第五屆沈陽科學學術年會文集[C];2008年

4 農吉夫;金龍;;均生函數(shù)與人工神經網絡相結合的降水預報模型研究[A];第二十七屆中國控制會議論文集[C];2008年

5 任麗娜;翟宇梅;王力維;;選擇最優(yōu)預報因子對華北1月份溫度進行預報[A];第28屆中國氣象學會年會——S5氣候預測新方法和新技術[C];2011年

6 杜貞棟;黃乾;呂寧江;李秀榮;于曉蕾;;利用時間序列模型預測桓臺縣淺層地下水動態(tài)變化[A];農業(yè)、生態(tài)水安全及寒區(qū)水科學——第八屆中國水論壇摘要集[C];2010年

7 張普敦;周艷明;;紅外顯微圖像的主成分分析方法研究[A];第十屆中國化學會分析化學年會暨第十屆全國原子光譜學術會議論文摘要集[C];2009年

8 曹新向;苗長虹;;休閑城市評價指標體系及其應用研究[A];中國地理學會2007年學術年會論文摘要集[C];2007年

9 呂青濤;仲曉寧;張兆旺;孫秀梅;容蓉;;乙肝顆粒劑指紋圖譜-模式識別研究[A];2011年中國藥學大會暨第11屆中國藥師周論文集[C];2011年

10 孫洪元;杜文俠;劉克嘉;;人體健康功能態(tài)的主成分分析[A];第四屆全國人—機—環(huán)境系統(tǒng)工程學術會議論文集[C];1999年

相關重要報紙文章 前10條

1 國海證券研究所;時間序列模型預測3月CPI為—1.26%[N];上海證券報;2009年

2 葉東云;統(tǒng)計主成分分析的應用問題[N];延安日報;2009年

3 王新亮 王娟;今年上半年股價漲幅前20上市公司績效分析（上）[N];財會信報;2007年

4 ;城市投資環(huán)境評價指標體系及研究方法[N];中國信息報;2006年

5 湘財證券研究所 汪先珍;三季“多云”四季“晴” 長債當歌短債吟[N];中國證券報;2010年

6 陳東理;如何把握股指期現(xiàn)套利投資機會[N];期貨日報;2007年

7 記者 王寶琳;我首次采用基因組學技術研究中藥[N];科技日報;2009年

8 北京交通大學經濟管理學院 穆巖;改善人力資本狀況 提升區(qū)域競爭力[N];經濟日報;2004年

9 郭寅龍 王昊陽;建立中藥質檢認可體制[N];上海中醫(yī)藥報;2002年

10 東證期貨 黃帥　黃樂意;從價格波動中尋找規(guī)律[N];期貨日報;2009年

相關博士學位論文 前10條

1 咸巍;偏正態(tài)混合時間序列模型[D];吉林大學;2010年

2 陳燕紅;時間序列模型的經驗似然推斷[D];大連理工大學;2013年

3 姚煥玫;基于GIS技術的湖泊水質污染綜合評價的研究[D];武漢大學;2005年

4 劉凱;提升西安城市競爭力的系統(tǒng)研究[D];西北工業(yè)大學;2007年

5 張旭明;產業(yè)集群持續(xù)成長因素分析與實證研究[D];吉林大學;2008年

6 尹春麗;昌黎原產地葡萄酒三維熒光光譜及電子舌特征研究[D];西北農林科技大學;2008年

7 邱望仁;模糊時間序列模型及其在股指趨勢分析中的應用研究[D];大連理工大學;2012年

8 徐瓊;基于技術效率的區(qū)域經濟競爭力提升研究[D];浙江大學;2006年

9 吳艷;上海市知識服務業(yè)發(fā)展研究[D];復旦大學;2007年

10 張超;水土保持區(qū)劃及其系統(tǒng)架構研究[D];北京林業(yè)大學;2008年

相關碩士學位論文 前10條

1 朱旭;基于時間序列模型和主成分分析的結構損傷識別研究[D];煙臺大學;2013年

2 涂曄;時間序列模型的誤差分析與研究[D];昆明理工大學;2009年

3 曲宏巍;模糊時間序列模型相關理論的研究[D];大連海事大學;2012年

4 董瑤;時間序列模型的改進與應用[D];蘭州大學;2012年

5 陳陽;時間序列模型的罰似然方法[D];西北大學;2012年

6 呂敏紅;時間序列模型的局部影響分析[D];西北大學;2010年

7 任文軍;基于平穩(wěn)時間序列模型的鞅變換參數(shù)估計問題[D];燕山大學;2010年

8 張哲;基于時間序列的經濟預測[D];吉林大學;2013年

9 胡建明;基于聚合經驗模態(tài)分解的時間序列模型的研究及其應用[D];蘭州大學;2013年

10 董淑麗;模糊時間序列模型的改進算法研究[D];大連理工大學;2013年

本文編號：1460636