The invention belongs to the technical field of structural health monitoring in civil engineering, and proposes a sensor arrangement method for reducing the uncertainty of structural modal identification. The influence of structural model error and measurement noise on measurement data is separated. The change of structural stiffness is used as model error and Gauss noise is used as measurement noise. Monte Carlo method is used to simulate a large number of possible cases and get the structural modal matrix under various model errors. The conditional entropy index is proposed to quantify and calculate the uncertainty of modal identification parameters. The conditional entropy index is used to solve the problem of Fisher information matrix which can not be solved by traditional information entropy method. Identified problems. The minimum value of conditional entropy index corresponds to the optimal sensor location. The sensor arrangement method of the invention fully considers the influence of structural model error and measurement noise on structural modal identification, and is of great help to improve the accuracy of structural modal parameter identification.
【技术实现步骤摘要】
用于减小结构模态识别不确定性的传感器布置方法
本专利技术属于土木工程结构健康监测领域中的传感器优化布置,考虑结构模型误差和测量噪音对所测响应数据的影响,提出了一种使用条件熵作为准则指标的传感器布置方法。
技术介绍
传感器布置是结构健康监测的重要环节,传感器获取监测数据的数量和质量直接影响着结构健康监测系统的运行性能。在如何布置有限数量的传感器,获得尽可能多的有用信息,是传感器优化布置所需要考虑的问题。在健康监测领域中,结构模态参数识别在结构状态识别、有限元模型更新和结构损伤识别中具有着非常重要的意义。结构的模态坐标和结构的响应有着线性联系,所以一般采用结构模态坐标作为所需识别的模态参数。基于结构模态坐标识别的方法已经有了不少研究:使得模态矩阵独立可区分的有效独立法;综合考虑质量阵和模态矩阵的模态动能法;量化模态参数识别不确定性的时域信息熵方法;考虑结构频域参数识别的信息熵方法等等。这些方法,大多数假设结构测量值和真实值之间的误差为高斯噪音。目前传感器布置方法较多针对加速度(位移)传感器的布置,这些方法均能够很好地应用于结构模态参数信息的获取上。已有的考虑结构模态参数识别不确定性的传感器布置方法,在模态参数识别的准确性上表现很好。在工程实际中,加速度(位移)传感器被广泛使用,模态参数对结构的状态评估至关重要。模态参数识别的效果会受到结构模型误差和测量噪音的综合影响,已有的传感器布置方法一般只考虑测量噪噪音。本专利技术提出的综合考虑结构模型误差和测量噪音的用于模态参数识别的传感器布置方法,在结构健康监测中有着重大的研究前景。
技术实现思路
本专利技术中结构模型误差 ...
【技术保护点】
1.一种用于减小结构模态识别不确定性的传感器布置方法,其特征在于,步骤如下:包括结构模型误差和测量噪音的关系确立和基于条件熵的传感器布置方法两大部分(1)结构模型误差和测量噪音的关系确立(1.1)在结构健康监测系统中,结构测量值和真实值之间的误差由两个原因引起:模型误差和测量噪音,由此建立以下关系:y(t)=S(x(t,θ)+e(t,θ)) (1)其中:
【技术特征摘要】
1.一种用于减小结构模态识别不确定性的传感器布置方法,其特征在于,步骤如下:包括结构模型误差和测量噪音的关系确立和基于条件熵的传感器布置方法两大部分(1)结构模型误差和测量噪音的关系确立(1.1)在结构健康监测系统中,结构测量值和真实值之间的误差由两个原因引起:模型误差和测量噪音,由此建立以下关系:y(t)=S(x(t,θ)+e(t,θ))(1)其中:是传感器所测得的结构上Ns个自由度的响应;Nd为结构的总自由度;为传感器位置选择矩阵;是所需识别的模态参数;是测量值和真实值之间的误差;e(t,θ)=emea(t,θ)+emod(t,θ)(2)其中:emea(t,θ)是测量噪音;emod(t,θ)是结构模型误差所引起的预测误差;(1.2)定义误差形式:测量噪音被假设为一个零均值的高斯噪音,协方差矩阵为σi=σ0;结构模型误差用结构的刚度变化表示其中:Ne代表结构子刚度矩阵的数量;Kj是第j个结构子刚度矩阵;βj是第j个结构子刚度矩阵的摄动系数;结构模态矩阵的变化表示为其中:β是各个子刚度矩阵的摄动系数向量,Ei是第i阶模态的灵敏度系数矩阵;ΔΦi为第i阶模态的变化;Φr是第r阶模态;λr和λi分别是第r阶和第i阶的特征值;上标T表示转置;结构的各阶模态变化表示为其中:ΔΦ表示结构的各阶模态矩阵的变化;Nm表示第i=Nm阶模态;(1.3)建立综合考虑结构模型误差和测量噪音的测量数据表达式,公式(1)改写为其中:Φ表示结构所用有限元模型计算得出的模态矩阵;从公式(6)看出,所测响应与真实响应之间的误差,由模型误差和测量噪音引起的两部分被分别表示出来;(2)基于条件熵的传感器布置方法(2.1)用概率密度函数表示模态坐标参数识别结果的不确定性其中:p(θ|Σmea,D,β)表示条件概率密度函数;π(θ|β)是模态坐标参数θ的先验分布;c是一个常数,保证公式(7)的积分求和值为1;N表示时间采样总数;k表示采样时刻;(2.2)依据公式(8)得出Fisher信息...
【专利技术属性】
技术研发人员:伊廷华,裴雪扬,曲春绪,李宏男,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。