[发明专利]一种基于MCD异常点检验算法的多维动力指纹损伤识别方法

说明书

本发明公开了一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，包括以下步骤：S01，选取多个动力指纹，基于动力指纹损伤前后变化构造动力指纹变化特征向量；S02，对每一特征向量进行标准化，得到标准化特征向量；S03，将所有单元特征向量作为多维随机总体，迭代搜索所有样本容量为h的子样本，得到具有最小协方差行列式且样本容量为h的子样，以该子样估计总体均值和协方差矩阵；S04，计算MCD方法下各特征向量的Mahalanobis距离；S05，将所得Mahalanobis距离与阈值比较找出异常点，即为损伤单元本发明提供的一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，参数提取过程合适、能够解决现有动力损伤识别中由于噪声和测量误差原因导致损伤位置判断不明确的技术问题。

技术领域

本发明涉及一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，属于工程检测技术领域。

背景技术

近年来，动力指纹损伤识别方法被广泛应用于桥梁、高层建筑等大型土木工程的安全监测。动力指纹包含振型、曲率模态、柔度矩阵、刚度矩阵、应变模态、模态应变能等指标，基于这些动力指纹衍生出来众多识别方法，如模态保证率法、频率平方法、灵敏度分析法等，但在与实测数据相结合时，由于噪声和误差的影响，容易造成误判、错判。

发明内容

本发明要解决的技术问题是，克服现有技术的缺陷，提供一种参数提取过程合适、能够解决现有动力损伤识别中由于噪声和测量误差原因导致损伤位置判断不明确的技术问题的基于MCD异常点检验算法的多维动力指纹损伤识别方法。

为解决上述技术问题，本发明采用的技术方案为：

一种基于MCD异常点检验算法的多维动力指纹损伤识别方法，包括以下步骤：

S01，选取多个动力指纹，基于动力指纹损伤前后变化构造动力指纹变化特征向量；

S02，对每一特征向量进行标准化，得到标准化特征向量；

S03，将所有单元特征向量作为多维随机总体，迭代搜索所有样本容量为h的子样本，得到具有最小协方差行列式且样本容量为h的子样，以该子样估计总体均值和协方差矩阵；

S04，根据总体均值和协方差矩阵估计，计算MCD方法下各特征向量的Mahalanobis距离；

S05，将所得Mahalanobis距离与阈值比较找出异常点，即为损伤单元。

S01中，选取两个或两个以上动力指纹，动力指纹包含振型、曲率模态、柔度矩阵、刚度矩阵、应变模态、模态应变能指标，这些指标通过实测数据计算得到。

S02中，特征向量的标准化过程采用最大最小标准化方法：

其中x为所选动力指纹损伤前后变换量；x_min为所选动力指纹损伤前后变换量最小值；x_max为所选动力指纹损伤前后变换量最大值y为所选动力指纹；损伤前后变换量标准化后数据；

特征向量记为{SX_i}，标准化特征向量记为{X_i}，其中i＝2，3，...n，n为结构单元数目。

S03包括如下步骤：

Step1，采用蒙特卡洛算法，使用均匀分布，随机选择样本容量为h的子样本，h的数值在n/2和n之间，n为结构单元数目；

Step2，计算以该子样本的均值μ_old和协方差矩阵S_old，并计算各点的Mahalanobis距离d(X_i)

Step3，将距离d(X_i)从小到大排序，设