[发明专利]一种导管架式海洋平台损伤智能识别方法

说明书

本发明公开了一种导管架式海洋平台损伤智能识别方法，本发明采用CP算法进行模态参数的提取。该算法处理高阻尼以及高阶复杂模态的适应性要高于传统的盲源分离算法，如ICA算法；本发明采用的CP算法具有直接有效的实现方式，应用过程中不需要调整参数，而且系统振动响应信号的长度不会影响结果准确性，能够对各种结构的模态参数进行完全盲识别；本发明提出的PSO‑SVM模型在小样本条件下，损伤识别结果准确性优于传统的智能算法如SVM和BP神经网络等，并且无需手动调整模型超参数，降低了使用门槛；本发明的方法具有较强的噪声鲁棒性。实验表明在噪信比小于17.8％情况下都有较高的识别准确性。

技术领域

本发明涉及海洋工程和结构健康监测技术领域，更具体地，涉及一种导管架式海洋平台损伤智能识别方法。

背景技术

对于大型复杂结构的损伤识别一直是结构健康监测领域的研究重点和难点。损伤定位、损伤定量为结构损伤检测要解决的主要问题。基于传统系统输入和输出关系的实验模态分析(EMA)通常在可控激励或已知激励的条件下适用，对于大型结构如海工结构、桥梁、建筑等难以应用。因此，通常利用工作模态分析(OMA)和信号处理技术解决复杂结构的仅输出模态识别问题。传统的基于信号分析的损伤检测技术，如小波变换、希尔伯特-黄变换等存在明显的不足。小波变换不同小波基的选择对结果的影响很大，希尔伯特-黄变换存在包络线拟合、模态混叠、端点效应等问题。这些算法都存在着一定的局限性，去噪以及抗扰效果不理想，其识别结果过于依赖参数的调整，大大提高了这些方法的使用门槛。

盲源分离作为数字信号处理技术，在上世纪80年代与神经网络同时兴起，并且得到迅速发展，广泛应用于各个领域。盲源分离是一种无监督学习算法，能利用可观测的信号恢复隐藏的未知源信号，以及信号的混合过程。在海洋工程结构领域，常用盲源分离实现工作模态分析。典型的盲源分离算法，包括独立成分分析(ICA)和二阶盲识别(SOBI)等，在土木工程和海洋工程结构的工作模态分析中有大规模的应用。但是ICA算法仅适用无阻尼和轻阻尼的结构；SOBI方法对于不可对角化的阻尼情况下识别并不精准。此外，基本形式的ICA忽略了时间结构，只使用非高斯性标准；并且，样本时长会影响ICA的识别精度。因此，应用ICA对大型复杂结构的振动信号进行识别会出现误差过大或模态混叠的问题。

发明内容

本发明的目的在于，克服现有方法和技术手段的不足，提供一种导管架式海洋平台损伤智能识别方法，该方法可应用于海洋工程领域、适用于高阻尼和高阶模态，基于海洋平台复杂振动信号的海洋平台损伤智能识别。

为实现本发明的目的，本发明提供的一种导管架式海洋平台损伤智能识别方法，包括如下步骤：

步骤1，基于目标海洋平台的结构，构建对应的有限元模型。其中，平台上部组块以集中质量单元代表，导管架底部固定约束，导管架腿、梁、斜撑采用杆单元模拟。

步骤2，通过数值模拟获得导管架平台在不同损伤情况和环境载荷作用下的动力响应数据。模拟海洋载荷时，选取1、2、3、4级海况，选取0°、22.5°、45°三种入射角，分别生成60分钟的12组随机波浪数据。基于模型的对称性，单杆件损伤的形式等于平台层数减一；对于两杆件损伤，选取具有代表性的损伤形式，包括：平台各层同面两根交叉斜撑损伤、异层同面的两根连接同一节点的斜撑损伤、同层异面的两根连接桩腿同一节点的斜撑损伤。再将所述损伤形式下，斜撑损伤程度细分设定为四种损伤情况，分别为10％、30％、50％、70％刚度折减。针对上述损伤情况以及无损伤情况，分别开展模拟仿真，时间步长选择0.01秒。获得不同环境载荷与损伤情况下的动力响应数据。

步骤3，从数值模拟结果中读取导管架模型上部两层桩腿和横梁交接节点处的水平加速度信号，添加10％的高斯白噪声，去除结果中前5分钟的不稳定振动数据，将剩余55分钟数据分为55个时长1分钟的数据包。若传感器总数为n，则每个数据包为一个n×6000的加速度信号矩阵。