分析土木工程结构健康诊断中的统计识别方法

乐昌亮

（延安大学西安创新学院，陕西　西安　710100）



分析土木工程结构健康诊断中的统计识别方法

乐昌亮

（延安大学西安创新学院，陕西西安710100）

摘要：在发生地震、风暴等危害性较大的灾害以后，房屋的结构可能出现一些变化，因此，需要通过机构健康测试来确定房屋是否受损，以确保房屋使用过程的安全性和整体性能.在信息技术和网络技术等快速推广的情况下，无损传感技术与各种结构特性分析方法的有机结合，在提高土木工程结构设计水平、施工质量等方面发挥的作用越来越重要，对于保障土木工程结构健康诊断结果的可靠性、完整性等有着极大作用.本文就土木工程结构健康诊断中的统计识别方法进行全面分析，以有效提高土木工程结构的健康水平，从而延长土木工程的使用寿命.

关键词：土木工程结构；健康诊断；统计识别方法

根据相关研究和调查可知，当前土木工程结构健康监测系统是由数据传输与信号处理系统﹑传感器与信号采集系统﹑结构健康诊断与安全性评价系统﹑结构损伤识别与模型修正系统等几个部分组成，其中，在结构健康诊断和安全性评估方面占据着重要地位的是结构损伤识别与模型修正系统.因此，在经济不断发展的现代社会中，基于结构动力特性的损伤识别具有的整体性﹑在线监测和成本较低等特点，在土木工程结构健康诊断中已经成为最重要的方法之一，是当前土木工程结构健康诊断相关研究的重点，对于保证土木工程结构的整体质量和使用安全性等有着极大影响.

1　统计系统识别方法的相关分析

目前，在航空﹑机械和航天等多个领域中，结构损伤识别方法的已经得到广泛应用，但在土木工程结构中的应用还存在一些问题.一般情况下，土木工程结构有着材料种类较多﹑体积质量较大﹑环境因素比较复杂等多种特点，致使土木工程结构健康诊断受到噪音﹑数据不完整﹑建模较困难等的影响，大大降低土木工程结构健康诊断的可靠性和准确性.根据土木工程结构健康诊断的整体情况来看，系统识别中比较常用的结构模型一般是有限模型，其主要通过位移关系﹑单位应变和材料本构三者之间的联系来对整个土木工程结构的物理特性﹑连接信息等进行科学分析，从而在结合分析结果提供的相关参数的情况下，对土木工程结构的整个健康情况进行评估.但是，模型误差总是给诊断结果带来一定影响，导致有限模型参数﹑分析结果等存在一些不确定性，并且，实测获得相关模态观测数据也不够完整，存在噪音和比较稀疏，给土木工程结构健康诊断的最终结果带来极大影响.所以，在进行结构损伤识别时，需要对两种类型的不确定性进行量化考虑，以在统计系统识别的框架中对结构模型的修正问题进行合理求解，从而降低它们给识别结果带来的影响.根据统计的相关分析和理论知识可知，结构模型修正一般是在一组根据给定的结构输入与输出关系定义的特定结构模型中获得最优结构模型的系统识别问题，由于基本统计推断原理存在一定差异性，在实践过程中，对土木工程结构进行健康诊断可以采用的统计系统识别方法主要有如下两种：

1.1Bayes模型修正方法

根据相关研究和实践应用可知，Bayes模型修正方法主要是通过利用统计推断中的Bayes原理，将确定性的结构模型放在一组肯呢过的概率模型中，以对结构模型存在的不确定性进行预测和观测.在相关研究理论中，概率存在一定不确定性，是不确定性逻辑推挤产生的，因此，在对一组模型的不确定性进行定量分析时，通过给定信息和使用概率分布的方法，可以对每个模型的不确定性进行合理度量，从而获得可靠的测量结果.通常情况下，Bayes模型修正方法的运用思路是：结构模型存在的不确定性，想要通过模型参数的概率分布来进行定量描述，则需要根据观测数据来更新每个可能模型描述的结构初始不确定性，即通过观测数据所提供的信息来对每个不一样的初始模型的相对不确定性进行修正.在实际应用中，观测数据可以用D来表示，一组可能的结构模型可以用M来表示，其中，M是由很多个模型参数共同构成的.在充分利用Bayes原理的情况下，修正后的概率分布可以用D﹑M和其它符号共同组合成的公式来表示，其中包括的数据有模型确定的初始概率分布，以通过各种观测所得数据对模型修正前的每个模型的相对不确定性进行描述；归一参数；基于特定模型参数所获得观测数据的概率.在进行修正后的概率分布的计算时可以发现，Bayes模型修正方法和一般比较常用的经典统计推断方法存在最大差别是：通过充分利用与结构模型﹑预测响应等相关的先验信息来进行计算的方式，它们其实都是在充分利用结构响应的相关观测数据的基础上，结合模型参数先验概率的密度函数，进而将其转化为模型参数后验概率密度函数.

1.2随机有限元模型修正方法

目前，在相关研究和实践应用中，确定性结构有限元模型修正的基本方程已经形成，其中，需要涉及的相关参数有结构观测相应的变化向量，即土木工程结构在损失以前和损伤以后对应观测自由度的观测相应之间的比差；结构刚度的变化向量，在进行实际计算时其可以是刚度的绝对变化量，也可以是刚度的相对变化量；结构观测响应与带修正模型参数之间的灵敏度矩阵.根据相关理论和分析可知，在观测噪音﹑模型误差存在的情况下，观测响应变化量﹑灵敏度矩阵都具有一定不确定性，因此，刚度变化向量也具有一定不确定性.所以，在获得一定数量的观测数据后，模型误差﹑观测噪音给修正结构参数带来的影响，在采用观测数据统计平均值的情况下可以得到有效降低.但是，在实际进行测量时，观测数据是有限的.因此没在对观测模型进行修正时，需要对观测到的有限数据的系统模型参数的统计也行进行全面分析和考察.目前，这些相关信息是通过对模型参数﹑观测数据设动等的随机模拟俩获得的.在这种情况下，相关研究人员根据这种思路构建出了结构损伤识别的随机有限元模型修正方法，以在充分利用随机有限元摄动技术的基础上，获得刚度变化向量的平均值.在实际进行计算时，需要涉及的参数有灵敏度矩阵的Moore-Penrose广义逆，以在获得刚度变化向量的协防差矩阵以后，可以将刚度变化向量的统计特性求解出来，最终获得每个单元结构参数变化的统计特性.根据上述内容来看，比较常用的计算方法是通过Monte-Carlo方法来进行随机模拟，以获得实际计算时所需的相关差矩阵.

2　统计模式识别方法的相关分析

根据土木工程结构健康诊断的具体情况来看，基于模态观测的结构模型修正﹑模式识别方法等，在实践应用中存在的最大问题是，结构损伤总是出现某个局部位置，而观测的低频整体响应带来的影响比较小，从而无法在最初阶段发现其给整个土木工程结构造成的损伤.与此同时，在土木工程结构状态没有发生变化的情况下，受到温度﹑湿度等环境因素和运行状态等的影响，动力观测响应会发生一定变化，但在进行模态观测时很难区分出来其变化是由结构损伤引起的还是由环境因素与运动状态引起的.在社会不断发展和相关研究不断深入的情况下，土木工程结构健康诊断采用的方法已经逐步从统计模式识别方法中的模态观测数据向着直接利用时程观测响应方向转变，子啊对环境因素﹑运动状态等进行全面分析的基础上，可以在没有结构模型的状态下通过观测响应的统计分析来获得结构装运损伤的特征，最终获得土木工程结构状态是损伤还是退化的结果.目前，相关研究人员在构建土木工程结构健康监测统计模式识别方法的统一范式时，将其划分成了四个部分：一是，运行评估；二是，数据采集；三是，特征提取；四是，数据压缩和构建统计模型，其中，第三部分和第四部分是整个土木工程结构健康诊断统计模式识别研究的重要内容.

根据土木工程结构健康诊断的实际情况可知，结构健康监测主要是指损失识别﹑健康诊断，其在根本上是对结构的状态进行准确识别，以有效解决同一结构在不同状态下存在的相关问题.因此，想要准确的区分土木工程结构子在不同状态下的情况，需要根据它的性质﹑待识别系统的性质等进行科学测取，才能真正获得与状态相关的信息﹑特征信号等.目前，基于状态损伤敏感特征的正常结构数据归一化在土木工程结构损伤识别中占据着重要基础地位，在有多种方法进行数据归一化的情况下，比较常用的是通过先验训练数据来获得正常结构的状态损伤敏感特征的概率分布，即通过立群治分析方法来获得其概率分布.

3　概率神经网络方法的相关分析

在进行土木工程结构健康诊断的过程中，统计模式识别方法的合理应用，是通过利用Bayes原理的相关决策理论来对各种模式进行最优分类，而概率神经网络则是通过在前馈神经网络中耦合Bayes估计，以将神经网络的输出看作是对Bayes后验概率的估计，从而在利用概率密度函数的无参数估计方法的基础上获得们各种模型的分类结果.因此，在结合相关观测数据集合和向量的情况下，充分利先验概率﹑相关模型的损失﹑概率密度函数等基础上，可以通过Bayes决策来对土木工程结构的状态进行比较准确的判断.在实践过程中，根据多类分类问题的概率神经网络拓扑结构示意图可知，一个待分类的向量可以看作是输入层的神经元，也同时是提供相同输入值给所有模式层的神经元.一般情况下，模式层到求和层之间的非线性操作是由神经元来完成，求和层的每一个神经元会接收到和它相连的给定类的所有模式层的输出，从而在估计向量点每一模式类的概率密度函数的基础上，确保最大概率魔都函数所对应的模式层的输出.

根据上述相关分析可知，在结合概率神经网络的主要原理的情况下，概率神经网络的本质是一种监督学习的Bayes分类器，可以使噪音状态下土木工程结构健康诊断分类﹑模式识别等问题得到有效处理.因此，在模型误差和观测噪音存在的环境中，通过采用概率神经网络方法来进行土木工程结构健康诊断，可以大大降低各种不确定性因素带来的影响，与传统神经网络方法相比，其有着很大应用优势.在相关研究人员通过概率神经网络对土木工程结构损伤进行研究的过程中，其首先是建立该结构在损失状态﹑完好状态下的观测数据及，以通过概率神经网络来对每一类数据的概率密度函数进行科学估计，从而结合相关参数计算出新观测数据在损失﹑完好两种状态下的隶属情况，最终将隶属程度较大的一类看作是新观测数据所对应的类别.与此同时，还有部分研究人员通过统计模式识别方法来对相同的问题进行研究，从而获得了基于距离的特征模式分类器，以及通过概率神经网络对地震损伤机理进行预测，从而在充分利用概率神经网络分类结果的基础上，检测和识别出土木工程结构的薄弱位置.由此可见，概率神经网络方法的应用范围比较广，并且，在噪音水平较低的环境中，可以更加准确的对土木工程结构的损失位置进行识别和估计.究其原因是概率神经网络的Gauss核函数的圆滑参数没有自适应特性，从而降低结构识别的灵敏度.在今后的发展和研究中，土木工程结构健康诊断方面的研究需要对高效﹑智能的统计系统识别方法给予高度重视，注重统计损失门槛值的科学确定，才能在合理提取新的结构状态损伤敏感特征的基础上，促进统计模式识别无监督学习方法的产生，最终提高土木工程结构健康诊断结果的可靠性﹑准确性和完整性.

4　结束语

综上所述，在社会不断发展和环境不断变化的情况下，土木工程结构的健康诊断与统计识别方法的合理应用有着直接联系，需要加大研究力度和创新力度，注重现代数据采集技术﹑智能传感技术和信号处理技术等的充分利用，才能获得新的研究成果，最终促进土木工程结构健康监测系统更加完善.

参考文献：

〔1〕宗周红,钟儒勉,郑沛娟,秦中远,刘琦齐.基于健康监测的桥梁结构损伤预后和安全预后研究进展及挑战[J].中国公路学报,2014（12）:46-57.

〔2〕侯立群,赵雪峰,欧进萍,刘春城.结构损伤诊断不确定性方法研究进展[J].振动与冲击,2014（18）:50-58.

〔3〕李晓明.浅谈土木工程结构的性能监测系统与损伤识别方法[J].安徽建筑,2014（03）:203-204.

〔4〕宗周红,牛杰,王浩.基于模型确认的结构概率损伤识别方法研究进展[J].土木工程学报,2012（08）:121-130.

收稿日期：2015-12-08

中图分类号：TU311.41；P315.96

文献标识码：A

文章编号：1673-260X（2016）03-0145-02