[发明专利]一种基于改进MCMC方法的基础结构损伤识别方法

说明书

本发明涉及一种基于改进MCMC方法的基础结构损伤识别方法和系统。所述方法包括测试悬臂梁数据获取模态，根据测得的模态由标准MH算法得到Markov链形成种群，迭代包括只有差分进化的正常期和正常期之后具有竞争的竞争期；在竞争期时每次迭代经过变异，交叉，选择过后得到的两组修正向量，分别和正常期的修正向量结合，将得到两组完整迭代后Markov链参数优化方案记为Ysupgt;W/supgt;和Ysupgt;L/supgt;；根据得到的胜利者Ysupgt;W/supgt;和失败者向胜利者学习后得到的Ysupgt;L/supgt;，计算收敛后的修正参数的平均值记为和并根据与已有的实测模态比较与选差距最小的为最优修正方案。采用这样的方案，计算效率高、且精度更高，系统的鲁棒性更强。

技术领域

本发明涉及结构监测技术领域，特别涉及一种基于改进MCMC方法的基础结构损伤识别方法。

背景技术

由于我国疆域辽阔和发展需要，在过去的几十年里，大量的土木基础设施如桥梁、建筑物、塔架、管道、隧道、大坝等其他类型的结构被建造。如今，结构随着时间累积损伤退化。对土木结构来说，实际工程结构的安全维护和健康监测将关系到国家经济和人民安全问题，尽早识别结构中的损伤是非常重要和必要的。结构健康监测在提供结构在其整个寿命期内的性能信息方面发挥着重要作用，但若直接使用监测数据中提取的信息进行结构健康状况的判定，通常受到诸多不确定性影响，不足以用于结构服役状态调查。且无论计算机建模多么复杂，建模本身错误也不可避免地存在，根据来源可大致分为三种：第一种是由于简化复杂的实际结构行为而导致的数学建模错误，这些错误包括边界条件、连接和几何形状的简化；第二类是由连续系统离散化形成有限元模型所引起的模型阶数误差；第三类是由于各种模型参数的赋值错误导致的物理参数错误。有限元模型修正是确保损伤识别有效地公认可靠方法，因此，通过获得有效结构响应对模型修正，同时修正后的模型精确度对后续的损伤识别起至关重要的作用。

在众多有限元模型修正方法中，贝叶斯修正程序被广泛用来减少结构参数和振动测量中不确定性的影响，并对改善测试结构与其相关有限元模型之间的相关性有良好效果。其中将贝叶斯结合马尔科夫链蒙特卡罗(MCMC)的方法在最近的几年中逐步成熟，已成为修正结构有限元模型和解决不确定性的重要方法。目前应用比较广泛的有梅特罗波利斯-黑斯廷斯算法(Metropolis–Hastingsalgorithm,MH)，用于解决贝叶斯理论中的后验分布复杂甚至非显式积分的计算，思想为利用从某一概率分布中随机抽样代替计算。但MH-MCMC算法任存在许多缺陷，如MH算法的抽样拒绝机制经常导致样本迭代出现停滞，面对大型土木结构的高维复杂积分，存在抽样效率低样本收敛性差，面对噪声干扰鲁棒性较差等弊端。因此，研究一种可以考虑不确定性影响，也拥有较高的修正精度和效率且具备良好鲁棒性的方法极为重要。

为了解决MH-MCMC算法中的缺陷，其中针对高维参数模型修正效率不佳的问题，引进差分进化算法(Differential Evolution，DE算法)，DE算法是一种用于实参数空间数值优化的简单遗传算法，用来解决高维参数模型修正过程中的停滞缺点；并在此基础上提出竞争算法(Competition-Based,CB算法)，内容为马尔科夫(Markov)链种群通过标准DE算法的变异，交叉的同时还伴随着竞争，该内容是样本在变异、交叉竞争中处于拒绝状态的失败者会向胜利者学习，试图学习胜利者的优势进而缩小与目标函数的差距，胜利者则从Markov链种群中随机选取已有优化方案对比优化，达到进一步提升模型修正精度的目的，然而，现有的算法存在效率低、优化效果差等问题，究其原因是收敛的不够快、且算法中间的修正能力不够，初始的偶然误差很难修正过来。

发明内容

本发明旨在提出一种解决上述任一问题的，具体而言，本发明提供一种解决上述任意问题的识别方法，具体而言本发明的一种基于改进MCMC方法的基础结构损伤识别方法，其中，所述基础结构包括悬臂梁、简支梁、连续梁、桥墩、建筑物、塔架、管道、隧道、大坝等等。所述方法包括如下步骤：