土木工程結構健康診斷中的統計識別方法分析

楊嬴政

【摘 要】 目前我國的經濟建設發展迅速，國家對城市基礎設施建設的投入不斷加大，很多大型建筑工程相繼完工，但是我們在享受新型建筑帶給我們的舒適和快捷之余，建筑的結構損失進入了我們的視線。我國對建筑結構的安全系統評價主要來自對結構的可靠性研究，對土木工程的結構缺陷和檢測方法開展較少，所以對建筑工程的結構健康診斷中的統計識別方法分析是勢在必行的。

【關鍵詞】 統計 識別 模式

引言：建筑結構受到的相應數據和建筑結構的物理特性有著直接的關系，建筑的結構響應數據可以有效的將建筑結構的物理特性反應出來。結構在識別結構損壞的過程中利用了結構的物理性和響應數據的關系來評估和監控結構的狀態并進行基本的識別，最后通過識別后的數據有效的反映出結構的整體性，和隱藏的結構隱蔽部位的缺陷。這種方法在建筑工程領域應用的前景十分廣闊。是未來建筑結構健康診斷的主要發展方向。

一. 統計系統識別方法

系統識別最常用的結構模型為有限元模型。有限元模型在結構應變和位移的過程中能提供與材料結構形式相互關聯的信息和物理特性，并且可以通過分析為結構提供完整的分析模型參數，但是模型在建立的過程中本身存在誤差，所以結構有限元模型在進行結果分析和參數設定的過程中會出現不確定性，在進行模態觀測中，會因數據的分布情況和實測獲得不同觀測結果，由于模型誤差的存在結構的分析預測和實測相應有不確定和不匹配，這就造成系統在識別的過程中需要求解，并出現反演問題，造成結果的不穩定，所以在進行結構損傷識別過程中要考慮模型誤差及預測誤差導致的不確定性以及觀測誤差導致的不確定性對識別結果的影響。在系統識別的過程中，可以通過框架內求解來修復模型問題，在統計中結構模型可以只使用一組數據進行特定結構模型中確定最優結構模型的系統識別。并根據基本統計參數來推段出各種原理的不同，在結構健康參數的統計系統識別方法主要分為隨機有限元模型修正法和Bayes模型修正法。

二. 統計模式識別方法

典型的局部結構損傷是模態觀測的結構模型修正或模式識別方法在實際應用中面臨解決的最大問題。在實際的參數觀測過程中所記錄的低頻整體響應產生的影響很小，這不利于建筑在早期發現結構損壞。另外結構狀態在觀測過程中未發生退化也會因環境、溫度、和結構發生位移等問題使觀測響應發生改變， 這就造成了在模態觀測階段對結構損傷形成的原因缺乏分析，會將環境因素和運行狀態相互混淆。這時進行結構健康診斷的統計模式識別就不能依靠模態觀測數據，而可以直接利用時程觀測響應，所以在考慮環境因素和運行狀態的變化過程中，如果可以不使用模太觀測參數，進行能直接使用時程觀測響應。這是因為在考慮環境和運行狀態變化的過程中時，可以直接利用觀測響應的統計分析提取結構狀態及損傷敏感特征來直接對結構的損傷和狀態進行分析。

三.結構健康監測統計模式識別方法的統一模式及研究重點

在建立結構健康監測統計模式識別方法模式的過程中，會因模式分為四個過程。分別為運行評估、 數據采集、 特征提取與數據壓縮以及統計模型建立。在這四個階段中特征提取與數據壓縮以和統計模型建立是統計識別研究的主要項目。

對結構的健康監測的識別和診斷其實是一個整體，并以識別過程為主，并且做到解決同一結構系統之間的不同狀態問題。區分系統的不同狀態的同時，要根據系統的特性和系統的性質，進行正確的檢測和識取，并注意能夠反映結構真實變化的特征信號。單一的根據結構的特征信號是不能獲得有效的觀測特征信號的，所以正確的在特征信號中提取相關的敏感特征量是關鍵，在對狀態和損傷敏感特征及逆行那個結構健康識別時要利用統計識別模式對結構狀態和損傷進行識別就成為了統計識別模式的關鍵，在利用統計模式識別方法對結構狀態和損傷的敏感特征提取一般來自于能夠表征結構狀態的模式向量， 這些向量是因為統計模型中的自回歸模型、回歸模型、外源自回歸模型等進行觀測數據的統計分析。在通過狀態和損傷敏感特征進行多維向量的分析，多維向量中很多參數的重要性是不相同的，而且很多參數不能相互獨立，這就會使識別的工作量增大，這同時為識別帶來了困難，所以在通過數據降維的過程中要挑選有代表性和有效性的成為構成分析，所以結構的狀態和損傷敏感特征一旦提出，所識別的結構異常狀態的主要任務就可以進行相應的特征統計分析，所以要根據某種判別和函數及判據進行狀態分類。

結構狀態及損傷敏感特征統計分析的算法主要可以分為兩種： 監督學習算法和無監督學習算法。前者需要同時獲得損傷狀態和完好狀態的訓練數據樣本， 而后者則只需要完好狀態的訓練數據樣本。因為土木工程結構普遍具有的唯一性， 很少能夠獲得具有相似損傷狀態的不同結構的響應觀測數據， 所以應用無監督的損傷識別算法對土木工程結構的健康診斷具有重要意義。

四.X-bar控制圖的統計

在結構健康監測統計模式識別的統一范式框架內， 再通過引入一種稱為X-bar控制圖的統計過程控制技術， 研究了基于動力觀測的損傷診斷問題， 分別使用完好和不同損傷階段的動力響應數據建立AR 統計模型， 將AR模型系數作為損傷敏感特征， 采用離群值分析的方法識別不同結構狀態。在此基礎上在將結構健康監測的統計模式識別方法拓展到損傷定位的研究。張啟偉采用統計模式識別方法研究了橋梁的結構異常診斷問題， 通過時間序列 AR 模型的相似分析將未知狀態結構動力響應信號與正常結構數據基準進行歸一化， 然后根據 AR 模型殘差分析提取結構損傷特征， 進而在正態分布的假定下通過統計分析進行結構異常診斷。

基于狀態及損傷敏感特征的正常結構數據歸一化是結構損傷識別的基礎， 有多種方法可以實現數據歸一化。常用的較為簡單的方法是使用先驗訓練數據直接尋找正常結構的狀態及損傷敏感特征的概率分布， 其中最簡單的方法之一是離群值分析較為復雜的數據歸一化方法是使用Gauss混合模型或核密度估計的方法。盡管統計模式識別問題的重點在于數據的離群值或極值， 也就是分布拖尾處的那些點， 但是基于正態分布假定的門檻值選擇方法仍然給予數據中心點以較大的權重。所有這些方法的局限性在于無法保證敏感特征拖尾分布的統計特性。因此， 這種正態分布假定或許有可能導致損傷分類錯誤， 進而可能導致診斷錯誤。將極值統計量與統計模式識別相結合， 研究具有拖尾分布的結構損傷識別問題， 降低了錯誤識別的可能性。

結束語

本文通過對系統識別方法的分析，總結出采用建立實際建筑數學模型的方法來獲得結構模型參數，并根據此進行結構的安全評估，但是目前在結構施工中施工方法很多，施工環境對測量的數據產生了一定影響，所以利用統計識別的方法并不能對安全評估獲得理想的效果，并且對實際的建筑結構還需要多方位的測量手段，來達到測量效果。所以要利用多方面分析對識別中產生的因素影響進行驗證，來達到對建筑模式的優化，是結構參數更加精確，將健康診斷中的識別方法能更好的進行應用。

參考文獻

[1] 楊曉明；土木工程結構的性能監測系統與損傷識別方法研究[D]；天津大學；2006年

[2] 楊風艷；基于振動測試的結構損傷診斷方法研究[D]；中國海洋大學；2006年

[3] 蔡惟鑫；羅仁安；；城市重要建筑物在營運中結構安全的長期連續監控與損傷診斷評估[A]；2007中國科協年會專題論壇暨第四屆湖北科技論壇“湖北省防災減災與應急管理體系建設”分論壇論文集[C]；2007年

[4] 馮新，李國強，周晶；土木工程結構健康診斷中的統計識別方法綜述[J]；地震工程與工程振動；2005年02期

[5] 曹照平，王社良；智能材料結構系統在土木工程中的應用[J]；重慶建筑大學學報；2001年