【技术实现步骤摘要】
本专利技术属于大型钢结构健康状态监测领域，尤其涉及基于演化机理分析的大型钢结构损伤识别方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、钢结构建筑架设施工过程中，钢材可能受到撞击而发生变形弯曲。钢结构建筑长期服役过程中，受复杂自然环境、多重荷载组合以及生产施工缺陷等多种因素综合影响下，钢结构建筑极易出现腐蚀锈蚀、螺丝松动、杆件弯曲、焊缝开裂、内部微损伤、节点刚度减低等结构损伤。结构损伤会导致钢结构承载力下降、耐久性能降低，甚至造成钢结构建筑坍塌，造成严重的人民生命财产损失。所以，解决大型钢结构损伤实时监测难题，实现结构加速度、应力应变、位移变形等健康监测和钢结构损伤识别量化变得至关重要。
3、常用的钢结构损伤识别方法可分为非模型方法和基于模型的方法。非模型方法是指直接对实测结构响应进行分析处理，得到参数变化，对结构损伤进行识别。非模型方法包括基于动力指纹的识别方法、基于实测时域信号的识别方法等。动力指纹主要包括：频率类、振型类、曲率模态类、柔度类、能量变化类、频响函数类等。基于动力指纹的方法具有一定的局限性：频率变化包含结构信息太少，对局部损伤不敏感；高阶振型对局部损失敏感，但其很难获得；受高阶振型难以获取的影响，曲率模态难以在大型工程设施中应用；柔度矩阵对局部损伤敏感，但损伤前柔度矩阵难以获取，不利于工程应用。基于实测时域信号的识别方法包含更完整的模型信息，但处理过程复杂，容易受到外部环境因素的影响，且需要考虑阻尼的影响。
4、基于
技术实现思路
1、为了解决上述
技术介绍
中存在的至少一项技术问题，本专利技术提供基于演化机理分析的大型钢结构损伤识别方法及系统，其以性能退化机理为指导，提出基于单元灵敏度模型和稀疏贝叶斯理论的大型钢结构损伤反演识别方法，实现对钢结构损伤区域的有效定位。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一方面提供基于演化机理分析的大型钢结构损伤识别方法，包括如下步骤：
4、分析荷载和环境长期耦合作用下的大型钢结构损伤时变演化机理，构建得到大型钢结构损伤状态下的荷载和环境耦合作用的数值模拟模型；
5、获取大型钢结构包含振型和频率信息的多模态数据集；
6、确定损伤结构刚度矩阵，引入钢结构损伤系数，根据频率、振型、损伤结构刚度矩阵之间的函数关系计算振型灵敏度和频率灵敏度；
7、结合振型灵敏度和频率灵敏度构建的灵敏度矩阵、测量数据和数值模拟模型计算数据的残差，构建得到初始大型钢结构损伤识别反演模型；
8、基于初始大型钢结构损伤识别反演模型，识别钢结构的损伤系数，最大化损伤系数的后验概率密度函数，确定钢结构疑似损伤单元位置信息；
9、基于钢结构疑似损伤单元位置信息，对钢结构损伤定量分析，确定钢结构最终的损伤位置和损伤程度。
10、进一步地，所述荷载和环境耦合作用的数值模拟模型的构建过程包括：
11、基于连续介质损伤力学理论，考虑多轴应力加载的情况，得到钢材料在多轴应力状态下的损伤演化方程表达式；
12、进行大型钢结构在复杂动静荷载和环境耦合作用下的劣化损伤机理实验，得到与钢结构损伤有关的主要环境因素的集合；
13、将多轴应力状态的损伤演化方程中的损伤参数分别与环境因素的集合拟合，建立钢材料在荷载和环境耦合作用下的损伤演化方程；
14、建立钢结构建筑的有限元模型，结合钢材的损伤演化方程，模拟钢结构在复杂动力荷载和环境因素作用下的行为，得到钢结构在荷载和环境耦合作用下的数值模拟模型。
15、进一步地，钢材料在荷载和环境耦合作用下的损伤演化方程为：
16、，
17、 ，
18、其中，为荷载和环境共同作用导致的损伤值， y为与钢结构损伤有关的主要环境因素的集合，为造成钢结构损伤的主要环境因素，为临界损伤值，为断裂应变，为损伤应变门槛值，为等效累计塑性应变，为损伤指数。
19、进一步地，振型灵敏度和频率灵敏度的计算过程，包括：
20、采用单元刚度矩阵和刚度损伤系数表示损伤结构的整体刚度矩阵；
21、确定整体刚度矩阵与钢结构频率、振型的关系；
22、基于损伤结构的整体刚度矩阵和体刚度矩阵与钢结构频率、振型的关系得到振型灵敏度和频率灵敏度。
23、进一步地，频率、振型、损伤结构刚度矩阵之间的函数关系为：
24、，
25、其中， m为结构的质量矩阵，，为第 j阶模态频率，为第 j阶模态振型，为第个单元的刚度损伤系数，为第个单元的刚度矩阵， n为单元数目。
26、进一步地，初始大型钢结构损伤识别反演模型的目标函数为：
27、，
28、=
29、式中，为第次迭代过程中测量数据和模拟数据的残差，为第次迭代中的灵敏度矩阵，为第次迭代中损伤系数的更新值，为实际测到的多模态数据，为第次迭代中损伤系数，为通过数值模拟模型进行模拟得到的多模态数据。
30、进一步地，所述损伤系数的后验概率密度函数为：
31、，
32、其中，为归一化常数，为第次迭代中损伤系数，为第 k次迭代中损伤系数的似然函数，为第 k次迭代中损伤系数的先验分布函数，迭代过程中测量数据和模拟数据的残差，为测量钢结构建筑频率和振型时所产生的误差的方差，用于控制损伤系数的分布密度，用于控制组内刚度损伤系数的关系，是钢结构各单元对应的超参数的集合，是钢结构各单元对应的超参数的集合。
33、进一步地，损伤系数的先验分布的方差矩阵σ满足：
34、，
35、损伤系数的后验概率服从高斯分布，其均值向量和方差矩阵满足：
36、，
37、其中，为单位矩阵，为灵敏度矩阵。
38、进一步地，所述基于钢结构疑似损伤单元位置信息，对钢结构损伤定量分析，确定钢结构最终的损伤位置和损伤程度，包括：
39、根据损伤反演识别结果，确定疑似损伤单元的位置、编号及其对应的基因点位作为参数输入广义遗传算法计算模型，赋予基因点位初始变异概率，根据初始变异概率对疑似损伤单元进行搜索；
40、进化过程中对本文档来自技高网...
【技术保护点】
1.基于演化机理分析的大型钢结构损伤识别方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，所述荷载和环境耦合作用的数值模拟模型的构建过程包括：
3.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，钢材料在荷载和环境耦合作用下的损伤演化方程为：
4.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，振型灵敏度和频率灵敏度的计算过程，包括：
5.如权利要求4所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，频率、振型、损伤结构刚度矩阵之间的函数关系为：
6.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，初始大型钢结构损伤识别反演模型的目标函数为：
7.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，所述损伤系数的后验概率密度函数为：
8.如权利要求7所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，损伤系数的先验分布的方差矩阵Σ
9.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，所述基于钢结构疑似损伤单元位置信息，对钢结构损伤定量分析，确定钢结构最终的损伤位置和损伤程度，包括：
10.基于演化机理分析的大型钢结构损伤识别系统，其特征在于，包括：
...【技术特征摘要】
1.基于演化机理分析的大型钢结构损伤识别方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，所述荷载和环境耦合作用的数值模拟模型的构建过程包括：
3.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，钢材料在荷载和环境耦合作用下的损伤演化方程为：
4.如权利要求1所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，振型灵敏度和频率灵敏度的计算过程，包括：
5.如权利要求4所述的基于演化机理分析的大型钢结构损伤识别方法，其特征在于，频率、振型、损伤结构刚度矩阵之间的函数关系为：
6.如...
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。