[发明专利]一种低信噪比下结构响应异常检测方法

说明书

技术领域

本发明涉及一种低信噪比下结构响应异常检测方法—自适应随机共振结构响应去噪技术和结构响应异常检测策略。

背景技术

材料性能的退化、自然灾害及人为破坏等原因,引起的建筑物倒塌造成了人民生命财产的巨大损失，因此如何选取正确的监测手段和检测方法对结构的健康状况进行监控、评估，以期在结构发生损伤之前给予预警成为了当前国内外研究热点。结构的振动响应信号中包含有丰富的损伤信息且对建筑物无损害，利用结构振动信息对结构进行损伤识别和健康监测的重要性和有效性已得到广泛认同，但是由于环境因素、传感器测量系统等硬件设施自身因素及人为因素等在实际监测过程中不可避免地存在着大量的噪声，直接利用这些被噪声污染的测量数据来进行结构损伤识别，则往往会导致结构损伤识别结果存在较大误差。

因而，如何利用强背景噪声下测量的结构响应来进行损伤识别是近年来研究的难题。对带噪声的结构响应常规处理方法是进行除噪或者消噪，然而由于处理过程中假设的噪声模型往往与实际噪声模型不一致，且消噪之后会导致响应失真。大量研究表明，随机共振是实现强噪声背景下弱信号检测非常有效的方法，可以从很强的噪声中检测微弱的有用信号,常用于信号处理、机械故障诊断、图像处理等领域中，却没有运用到土木工程领域中。如何对结构参数a,b进行自适应选取，而让随机共振达到最佳匹配条件，仍是目前研究的一个难点。

盲源分离技术通过将多个观测信号按照统计独立的原则进行优化，将其分解为若干个独立成分，来实现信号的增强和分析，因此盲源分离技术在语音、信号分析与损伤检测领域得到了比较广泛的应用。但是在噪声背景下，存在不能有序提取各信号、易丢失弱信号以及容易出现误差传递等问题。

鉴于以上情况，本发明提出将基于改进粒子群优化算法的非线性随机共振与鲁棒独立分量分析(RobustICA)算法相结合，运用前者进行信号中结构响应的增强，运用后者对损伤敏感特征量进行提取，能很好地解决低信噪比下结构响应异常识别中存在的问题。

发明内容

本发明的目的是提供一种强背景噪声低信噪比下结构响应异常检测方法，该方法能克服现有技术的不足，对含噪声结构响应进行处理和结构响应异常分析，特别是在对强背景噪声下的结构响应进行分析处理中体现出极大优越性，能很好的实现强噪声背景低信噪比情况下的结构响应异常检测，可用于土木工程、航天航空、自动控制、机械工程、桥梁工程、水利工程的领域的信号处理和损伤异常识别。

本发明的目的是通过以下技术方案实现的：

一种低信噪比下结构响应异常检测方法，其特征在于：首先在强背景噪声下利用多个传感器对结构振动信息进行采集，得到噪声干扰的结构响应；然后对采集到的结构响应进行改进粒子群优化算法自适应随机共振去噪处理，并增强结构响应；之后利用鲁棒性独立分量分析对随机共振输出响应进行独立分量分析，分离出具有响应突变点的特征分量；最后根据每个特征分量中响应突变点在时间轴上的位置确定结构响应异常发生时刻，并提取出每个特征分量进行归一化处理，从而实现对结构响应异常进行定位。

在本发明一实施例中，所述改进粒子群优化算法自适应随机共振去噪处理包括以下步骤：

步骤S01：初始化种群，随机产生m个大小为n的子种群，并将子种群分为上下两层；

步骤S02：适应度函数确定，将传感器采集到的结构响应∏(t)经过二次采样，实现响应从高频到低频的转换，随后输入至随机共振系统，采用以下公式计算出输入响应所对应的随机共振输出，

k₂＝h[a(X_i+k₁/2)-b(X_i+k₁/2)³+S_i]

k₃＝h[a(X_i+k₂/2)-b(X_i+k₂/2)³+S_i+1]

k₄＝h[a(X_i+k₃)-b(X_i+k₃)³+S_i+1]

式中，h是计算时间步长，取采样频率的倒数；k_i为斜率，X_i为系统输出响应，S_i为含噪声和振动信息结构响应的第i次采样值，