收藏本站
收藏 | 论文排版

基于主分量和独立分量分析的结构信号处理和损伤识别研究

杨燕  
【摘要】: 结构健康监测是一门综合性技术,涉及到多个学科,主要包括结构信号处理与损伤识别两大部分。目前对结构健康监测技术的研究都是围绕这两个部分开展的,是当前国内外研究的难点和热点之一。结构的状态是通过传感器信号来监测和评估的,由于传感器信号中有干扰因素的存在,为了提高数据的可靠性和精确性,并且更好的进行结构损伤状态识别和定位,需要有效、可靠的信号分析与处理方法。结构损伤识别问题,其关键是找到一个与结构损伤密切相关的特征指标。特征指标对结构系统参数的变化要有足够的敏感性,才能够根据该指标来分类识别结构损伤,完成损伤的确认、定位和定量。 主分量(PCA)反映了结构特征间的二阶统计特性,可以使得结构信号从高维空间转换到维数较低的特征空间。独立分量(ICA)反映了结构特征间的高阶统计特性,比PCA更进一层,它不只要求各分量间去相关,而且还要求各分量相互统计独立。不管PCA还是ICA,在统计意义上都反映了结构状态间的本质特性。 本文将主分量和独立分量分析方法引入到土木工程结构的信号处理和损伤识别方法中,利用它们的统计特性对结构信号进行降噪处理和损伤特征提取。本文的主要研究工作可以分为两部分: (一)基于PCA和ICA的结构信号处理研究 1.基于PCA的理论,利用它的二阶统计特性来消除结构信号之间的相关性,选取低维主分量特征来表征传感器信号的特性,从而实现结构信号的降维。通过对振动实验信号进行降维处理,试验结果表明选取的少数主分量特征包含了结构信号的主要特征。 2.提出了分辨噪声和结构振动有用信号的方法。分析了噪声的来源及其在频域内的特点,介绍了抗噪声干扰的技术。由于噪声的频谱以及统计特性与振动信号不同,以此来区分辨别。通过数值算例和振动实验信号分析说明了噪声与结构振动信号的这些特性。 3.提出了基于ICA的结构振动信号降噪处理算法。该算法利用噪声与结构振动信号相互独立的特点,从传感器信号中部分或全部分离出噪声。同时,提出通过对同测点增加扩展通道和多通道信号增设噪声通道的方法进行降噪处理,该降噪方法不仅对单通道适用,而且可以对多通道传感器信号进行降噪处理,只需增加噪声通道来扩展传感器信号。通过实验验证了这两种方法的可行性和有效性。 (二)基于PCA和ICA的结构损伤特征提取研究 1.引入相关系数来度量结构两种状态的统计特征之间的相关度,由此分别构造了基于PCA和ICA的损伤特征提取指标。PCA和ICA特征提取指标可以反映结构状态的本质统计特征。 2.基于PCA理论分析了对结构振动信号的统计特性,提出了PCA损伤特征提取方法。为了减少数据的计算量和突出指标的损伤特性,在指标的构造过程中进行降维,并且讨论了如何有效地选取恰当的主分量个数来表征结构的状态。最后通过固支梁振动实验数据验证了PCA特征指标识别结构损伤的可行性。 3.讨论了ICA基滤波对不同状态的结构振动信号的统计量化特性,提出了基于ICA特征指标的结构特征提取方法,通过固支梁振动实验分析了确定不同的基准状态对结构损伤的影响。 4.提出了结构分区损伤检测方法,解决了ICA特征指标无法识别损伤位置的问题;通过对区段ICA特征指标的比较,可以识别出结构的损伤位置。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 许睿超;罗卫华;;基于人工神经网络与主分量分析的短期电力负荷预测方法[J];东北电力技术;2011年01期
2 ;TERRAIN遥感影像处理系统[J];遥感信息;1992年04期
3 陈岳东,蒋林,屈梁生;机械故障信号的分离[J];中国机械工程;1995年02期
4 李伟光;;知识表达系统中条件属性与决策属性关系的分析[J];计量与测试技术;2010年01期
5 王力军;;模拟酸雨土壤淋滤液化学指标的主分量分析[J];重庆工商大学学报(自然科学版);1990年03期
6 王江萍;机械故障信号主分量的最大熵谱分析[J];机械科学与技术;1998年06期
7 高宁,高文胜,张瑞,严璋;结合主分量分析法的神经网络在变压器故障诊断中的应用[J];电工电能新技术;1999年02期
8 周小程;马向玲;范洪达;;基于主分量分析的多维时间序列特征选择方法研究[J];海军航空工程学院学报;2009年05期
9 孙宏伟,顾明,孙家广;基于主分量分析的相关矢量量化编码算法[J];计算机辅助设计与图形学学报;2005年08期
10 刘蓉,段福庆,刘三阳,吴福朝;基于小波特征的星系光谱分类[J];电子学报;2005年11期
11 孙宏伟,顾明,孙家广;改进的基于主分量分析的码书设计算法[J];计算机辅助设计与图形学学报;2005年10期
12 唐浩;屈梁生;;基于支持向量机的发动机故障诊断[J];西安交通大学学报;2007年09期
13 孙宏伟,董未名,宋斌恒,孙家广;基于主分量分析和遗传算法的码书设计算法[J];计算机辅助设计与图形学学报;2004年12期
14 吴小培;李晓辉;张道信;;多变量数据分析及应用研究[J];电子测量与仪器学报;2004年01期
15 张媛;何明一;梅少辉;;基于主分量和独立成分分析的多光谱目标检测[J];遥感技术与应用;2006年03期
16 刘艳群;陈创买;;珠江流域汛期降水的时间演变特征[J];人民珠江;2007年04期
17 孙光民;张程;王鹏;邓超;;基于非线性PCA神经网络的手写体字符识别[J];北京工业大学学报;2007年09期
18 黄茜,黄磊,张百灵,罗干英;质量自动控制与多元主分量分析[J];华南理工大学学报(自然科学版);1997年07期
19 王玲,樊可清;柴油机燃油喷射系统故障诊断方法研究[J];石家庄铁道学院学报;1998年03期
20 欧阳缮;基于主分量分析的机载雷达空时二维自适应处理方法[J];桂林电子工业学院学报;2000年04期
中国重要会议论文全文数据库 前10条
1 徐春明;姜海波;于建江;;鲁棒二维主分量分析方法[A];第二十七届中国控制会议论文集[C];2008年
2 冀贞海;李锋;宁勇;朱伟强;;基于模块二维主分量分析的脉内调制识别算法研究[A];江苏省电子学会2010年学术年会论文集[C];2010年
3 张冬冬;郭勤涛;;主分量法在结构动力学模型确认中的应用[A];第十届全国振动理论及应用学术会议论文集(2011)下册[C];2011年
4 何清波;刘永斌;张平;孔凡让;;主分量子空间识别设备状态的研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 孔海江;陆维松;王蕊;王小丹;;蝗虫发生量数据的主分量分析[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
6 何柯峰;高隽;胡良梅;陆璐;;一种基于主分量分析的融合识别方法[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
7 柳亦兵;周雁冰;辛卫东;高青风;何缨;;直驱风电机组轴承故障的双谱特征分析与诊断[A];中国自动化学会控制理论专业委员会B卷[C];2011年
8 孔海江;陆维松;吕国强;王小丹;王蕊;;蝗虫发生量数据的主分量分析[A];河南省植物保护研究进展Ⅱ(下)[C];2007年
9 李晓伟;汪增福;;一种基于主分量分析的小波数字水印算法[A];2005年中国智能自动化会议论文集[C];2005年
10 王欣;;主分量分析在种源试验中应用的可行性研究[A];全国林木遗传育种第五次学术报告会论文汇编[C];1986年
中国博士学位论文全文数据库 前10条
1 刘蓉;模式识别方法在天体光谱自动处理中的应用[D];西安电子科技大学;2005年
2 赵海涛;投影分析在人脸识别中的研究与应用[D];南京理工大学;2003年
3 陈建政;轮轨作用力和接触点位置在线测量理论研究[D];西南交通大学;2008年
4 黄忠朝;基于体表心电图的心房颤动特征提取及临床辅助诊断研究[D];浙江大学;2006年
5 李洪升;基于计算智能的声呐盲波束形成算法研究[D];西北工业大学;2004年
6 彭振云;鲁棒的人脸识别方法研究[D];清华大学;2002年
7 宋华军;基于支持向量机的目标跟踪技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2006年
8 杨健;线性投影分析的理论与算法及其在特征抽取中的应用研究[D];南京理工大学;2002年
9 陆爽;基于现代信号分析和神经网络的滚动轴承智能诊断技术研究[D];吉林大学;2004年
10 王峻峰;基于主分量、独立分量分析的盲信号处理及应用研究[D];华中科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 田金凤;基于独立分量分析的遥感图像相干斑抑制[D];电子科技大学;2005年
2 徐毅琼;人脸识别技术研究[D];中国人民解放军信息工程大学;2005年
3 朱英凯;基于模式识别技术的雷达辐射源分类识别方法研究[D];哈尔滨工程大学;2007年
4 李春明;一种基于贝叶斯理论的snake模型分析及应用研究[D];山东大学;2005年
5 张媛;高光谱遥感图像的处理与应用[D];西北工业大学;2006年
6 陈彦;基于独立分量分析的步态识别方法研究[D];西安电子科技大学;2007年
7 温福喜;人脸识别技术研究[D];西安电子科技大学;2007年
8 苗壮;基于DFS的手写数字识别模型及其应用研究[D];苏州大学;2007年
9 庄玉铭;多通道局部场电位的PCA特征值对刺激编码的研究[D];天津医科大学;2009年
10 雷璐宁;一种改进SOM神经网络及其在水质评价中的应用研究[D];重庆大学;2009年
中国重要报纸全文数据库 前1条
1 叶东云;统计主成分分析的应用问题[N];延安日报;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978