一种基于顺序代和高斯混合模型的新损害检测方法,用于环境影响下的结构健康监测

科学领域:

• 结构健康监测 结构健康监测
• 数据科学数据科学数据科学
• 机械工程 机械工程

背景情况:

• 环境变化可以掩盖动态结构特征中的损坏指标.
• 高斯混合模型 (GMMs) 对于损坏检测是有效的,但在参数选择和组件优化方面面临挑战.
• 由于环境噪音,现有的方法可能会导致错误警报.

研究的目的:

• 开发一种强大的两步方法,将顺序代和GMM结合起来,以改进结构损坏检测.
• 为了解决GMM参数初始化和最佳组件数确定方面的局限性.
• 通过减少虚假报警,提高损坏检测系统的可靠性.

主要方法:

• 一种两步的方法,将顺序代与高斯混合模型 (GMM) 整合在一起.
• 顺序代以确定初始GMM参数和高斯元件的最佳数量.
• 预期-最大化 (EM) 算法用于GMM建立和数据聚类.
• 马哈拉诺比斯平方距离 (MSD) 和最小马哈拉诺比斯平方距离 (MMSD) 用于创建新指数.
• 统计控制图表和通用极值分布,以准确确定控制极限.

主要成果:

• 提出的方法有效地确定了初始的GMM参数和最佳的组件数量.
• 基于MMSD的新性指数有助于可靠地检测损坏.
• 准确的控制极限是使用通用的极端值分布建模来建立的.
• 与真实桥梁数据的验证证明了与现有方法相比显著的有效性.

结论:

• 组合的顺序代和GMM方法为结构损坏检测提供了可靠的解决方案.
• 该方法有效地减轻了由环境变化引起的错误警报.
• 精确的控制限制提高了损坏检测系统的精度.