基于主分量和独立分量分析的结构信号处理和损伤识别研究

论文摘要

结构健康监测是一门综合性技术,涉及到多个学科,主要包括结构信号处理与损伤识别两大部分。目前对结构健康监测技术的研究都是围绕这两个部分开展的,是当前国内外研究的难点和热点之一。结构的状态是通过传感器信号来监测和评估的,由于传感器信号中有干扰因素的存在,为了提高数据的可靠性和精确性,并且更好的进行结构损伤状态识别和定位,需要有效、可靠的信号分析与处理方法。结构损伤识别问题,其关键是找到一个与结构损伤密切相关的特征指标。特征指标对结构系统参数的变化要有足够的敏感性,才能够根据该指标来分类识别结构损伤,完成损伤的确认、定位和定量。主分量(PCA)反映了结构特征间的二阶统计特性,可以使得结构信号从高维空间转换到维数较低的特征空间。独立分量(ICA)反映了结构特征间的高阶统计特性,比PCA更进一层,它不只要求各分量间去相关,而且还要求各分量相互统计独立。不管PCA还是ICA,在统计意义上都反映了结构状态间的本质特性。本文将主分量和独立分量分析方法引入到土木工程结构的信号处理和损伤识别方法中,利用它们的统计特性对结构信号进行降噪处理和损伤特征提取。本文的主要研究工作可以分为两部分:(一)基于PCA和ICA的结构信号处理研究1.基于PCA的理论,利用它的二阶统计特性来消除结构信号之间的相关性,选取低维主分量特征来表征传感器信号的特性,从而实现结构信号的降维。通过对振动实验信号进行降维处理,试验结果表明选取的少数主分量特征包含了结构信号的主要特征。2.提出了分辨噪声和结构振动有用信号的方法。分析了噪声的来源及其在频域内的特点,介绍了抗噪声干扰的技术。由于噪声的频谱以及统计特性与振动信号不同,以此来区分辨别。通过数值算例和振动实验信号分析说明了噪声与结构振动信号的这些特性。3.提出了基于ICA的结构振动信号降噪处理算法。该算法利用噪声与结构振动信号相互独立的特点,从传感器信号中部分或全部分离出噪声。同时,提出通过对同测点增加扩展通道和多通道信号增设噪声通道的方法进行降噪处理,该降噪方法不仅对单通道适用,而且可以对多通道传感器信号进行降噪处理,只需增加噪声通道来扩展传感器信号。通过实验验证了这两种方法的可行性和有效性。(二)基于PCA和ICA的结构损伤特征提取研究1.引入相关系数来度量结构两种状态的统计特征之间的相关度,由此分别构造了基于PCA和ICA的损伤特征提取指标。PCA和ICA特征提取指标可以反映结构状态的本质统计特征。2.基于PCA理论分析了对结构振动信号的统计特性,提出了PCA损伤特征提取方法。为了减少数据的计算量和突出指标的损伤特性,在指标的构造过程中进行降维,并且讨论了如何有效地选取恰当的主分量个数来表征结构的状态。最后通过固支梁振动实验数据验证了PCA特征指标识别结构损伤的可行性。3.讨论了ICA基滤波对不同状态的结构振动信号的统计量化特性,提出了基于ICA特征指标的结构特征提取方法,通过固支梁振动实验分析了确定不同的基准状态对结构损伤的影响。4.提出了结构分区损伤检测方法,解决了ICA特征指标无法识别损伤位置的问题;通过对区段ICA特征指标的比较,可以识别出结构的损伤位置。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景及研究意义
• 1.2 结构损伤识别研究现状
• 1.2.1 基于动力指纹直接比较的损伤识别方法
• 1.2.2 基于模型修正的损伤识别方法
• 1.2.3 基于计算智能技术的损伤识别方法
• 1.2.4 基于统计方法的损伤识别方法
• 1.3 结构信号处理的研究现状
• 1.3.1 时域方法
• 1.3.2 频域方法
• 1.3.3 其他方法
• 1.4 主分量和独立分量分析在信号处理和损伤识别中的研究现状
• 1.4.1 主分量分析
• 1.4.2 独立分量分析
• 1.5 本文的主要工作
• 第2章 主分量分析的基本原理
• 2.1 基本概念
• 2.1.1 相关和不相关
• 2.1.2 白化
• 2.2 PCA基本原理
• 2.2.1 PCA数学模型
• 2.2.2 主分量的计算
• 2.3 基于PCA的信号预处理
• 2.3.1 PCA降维
• 2.3.2 PCA降维的作用
• 2.3.3 算例分析
• 2.4 本章小结
• 第3章 独立分量分析的基本原理
• 3.1 基本概念
• 3.1.1 统计独立性
• 3.1.2 中心极限定理
• 3.2 独立分量分析的定义
• 3.2.1 ICA的数学模型
• 3.2.2 ICA的约束条件和不确定性
• 3.3 独立分量分析的预处理
• 3.3.1 中心化
• 3.3.2 白化
• 3.3.3 PCA
• 3.4 ICA方法
• 3.4.1 ICA的目标函数
• 3.4.2 ICA的优化算法
• 3.5 本章小结
• 第4章 基于独立分量分析的结构信号降噪处理
• 4.1 噪声的产生
• 4.1.1 噪声的来源
• 4.1.2 噪声在频域内的表现形式
• 4.2 抗噪声干扰技术
• 4.2.1 硬件方法
• 4.2.2 计算处理方法
• 4.3 ICA降噪处理
• 4.3.1 有噪声的ICA模型
• 4.3.2 基于ICA的降噪方法
• 4.3.3 降噪后信号重构
• 4.4 实验及分析
• 4.4.1 实验概述
• 4.4.2 同测点扩展通道降噪
• 4.4.3 多通道信号增加噪声通道降噪
• 4.5 本章小结
• 第5章 结构损伤特征提取
• 5.1 结构损伤识别与特征提取
• 5.1.1 结构损伤识别与模式识别
• 5.1.2 基于结构振动信号的特征提取
• 5.2 基于PCA的结构损伤特征提取
• 5.2.1 结构状态的PCA特征
• 5.2.2 PCA特征指标
• 5.2.3 PCA损伤特征提取思路
• 5.3 基于ICA的结构损伤特征提取
• 5.3.1 ICA相关特征
• 5.3.2 ICA特征指标
• 5.3.3 ICA损伤特征提取思路
• 5.4 实验分析
• 5.4.1 实验概述
• 5.4.2 基于PCA的结构损伤特征提取
• 5.4.3 基于ICA的结构损伤特征提取
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读博士学位期间参加的科研项目和发表的学术论文