【技术实现步骤摘要】
用于减小结构振型矩阵识别的不确定性的传感器布置方法
本专利技术属于传感器
，具体涉及一种用于土木工程结构健康监测中减小结构振型矩阵识别的不确定性的传感器布置方法。
技术介绍
结构振型矩阵直接体现了结构的振动变形特性，各阶次的振型矩阵反映了结构在各阶次固有频率下振动时的变形情况。在结构健康监测中，从测量数据中识别出的振型矩阵可以被用于响应重构、损伤识别以及安全评估等多个方面。由于测量噪声的存在，由测量数据所得振型与结构真实振型会存在偏差。同样的结构工况，采用不同分段的采样数据，进行多次振型识别，会得到不同的结果。不同的振型识别结果之间的差异性，就是结构振型矩阵识别的不确定性。传感器布置是结构健康监测的重要环节，监测数据的质量直接影响振型矩阵识别结果的精确度。在传感器数目有限的前提下，通过合理选择布置传感器的位置，可以获得质量更高的测量数据。通过传感器位置的优化选择后，利用测量数据进行结构振型矩阵的识别时，可以有效降低识别结果的不确定性，提高识别精度。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...
【技术保护点】
1.一种用于减小结构振型矩阵识别不确定性的传感器布置方法，用于土木工程结构健康监测，其特征在于，包括：振型矩阵的后验概率密度函数和基于信息熵的传感器布置；所述振型矩阵的后验概率密度函数，用来描述振型矩阵识别的不确定性；所述基于信息熵的传感器布置，提出信息熵准则量化振型矩阵参数识别的不确定性，通过信息熵准则利用顺序算法以指导传感器的布置。/n
【技术特征摘要】
1.一种用于减小结构振型矩阵识别不确定性的传感器布置方法，用于土木工程结构健康监测，其特征在于，包括：振型矩阵的后验概率密度函数和基于信息熵的传感器布置；所述振型矩阵的后验概率密度函数，用来描述振型矩阵识别的不确定性；所述基于信息熵的传感器布置，提出信息熵准则量化振型矩阵参数识别的不确定性，通过信息熵准则利用顺序算法以指导传感器的布置。
2.根据权利要求1所述的用于减小结构振型矩阵识别不确定性的传感器布置方法，其特征在于，所述振型矩阵的后验概率密度函数，采用离散测量响应进行数据采样；因测量噪声的影响，离散的测量响应表示为如下形式：
式(1)中为传感器位置选择矩阵；NL为测点的自由度；Nd为结构的总自由度；是传感器所测得的结构响应；n表示离散采样时刻，即在t＝nΔt时刻的采样，其中Δt表示采样间隔；是所需识别的结构振型矩阵，Φ＝{Φi,i＝1,2,…,Nm}，Φi表示结构的第i阶振型矩阵；Nm为结构参与振动模态阶数；是结构的真实响应；是测量值和真实值之间的误差。
3.根据权利要求2所述的用于减小结构振型矩阵识别不确定性的传感器布置方法，其特征在于，所述振型矩阵的后验概率密度函数，对离散测量响应采样数据进行离散傅里叶变换；
对离散采样数据通过将式(1)代入进公式YN＝{y(Φ,n),n＝1,…N}，N为采样点数，进行离散傅里叶变换得到：
式(2)中表示求根号的操作；∑[·]表示求和符号；e为自然常数；为所得的离散傅里叶变换向量，对应的频率刻度为fk＝k/NΔt，k＝1,…,Nq，其中Nq＝int(N/2)+1对应着奈奎斯特频率，int[·]表示求整数符号；i是单位虚数。
4.根据权利要求3所述的用于减小结构振型矩阵识别不确定性的传感器布置方法，其特征在于，所述振型矩阵的后验概率密度函数，结构各阶模态在某阶振型矩阵附近频带中，结构的振动响应主要受到该阶次模态控制；在振型矩阵附近频带内采样点数目远大于1，将式(2)所得结果作为一个零均值的复高斯向量，其协方差矩阵形式如下：
式(3)中上标[·]T表示对矩阵或者向量求转置的操作；为结构的某一阶模态振型矩阵，这里假设振动是由第i阶模态控制的φ＝Φi，是结构的整体模态振型矩阵；Si表示第i阶模态激励的谱密度；Se表示测量噪声的谱密度；是一个Nd×Nd的单位矩阵；αi＝||Lφ||＝||LΦi||是第i阶模态振型向量的归一化系数，||·||表示求模操作；
其中式(4)为式(3)中的动力放大系数部分；式(4)中βik＝fi/fk表示振型矩阵和傅里叶变换对应频率刻度之间的比值；fi是结构的第i阶固有频率；ζi是结构的第i阶阻尼比；[·]-1表示求逆操作。
5.根据权利要求3所述的用于减小结构振型矩阵识别不确定性的传感器布置方法，其特征在于，所述振型矩阵的后验概率密度函数，通过的值满足复多元高斯分布，某一阶振型矩阵Lφ的后验概率密度函数；
由于式(2)满足复多元高斯分布，某一阶振型矩阵Lφ的后验概率密度函数形式如下：
...
【专利技术属性】
技术研发人员：裴雪扬，石飞停，尹明干，杜玉兵，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：江苏;32
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。