基于监测数据驱动的结构局部无模型非线性定位识别技术的制作方法

1.本公开属于土木工程结构安全监测技术领域，本公开尤其涉及一种工程结构的非线性单元定位与非线性力识别的方法。


背景技术：

2.土木工程结构在疲劳荷载或强激励作用(如地震)下通常会产生明显的非线性行为，如混凝土的呼吸裂缝、钢筋发生屈服等。而结构在经历疲劳荷载或强激励作用后往往需要进行健康评估以保证其安全性和可靠性。
3.由于结构进入非线性状态，使得传递比函数、频响函数等线性结构中的理论将不再适用，并且非线性单元类型繁多，模型较为复杂。因此基于振动信号对多自由度系统中非线性单元识别是土木工程中一个非常重要的问题。迄今为止，对于如何有效准确识别在役结构的非线性单元的研究还较少或存在一定的局限性。
4.现有的非线性定位方法可以分为基于模型的方法和无需模型的方法。基于模型的方法往往需要已知或建立非线性恢复力的数学模型。虽然这些模型参数具有明确的物理意义，但是建立非线性恢复力的数学模型是一件十分困难的工作，所以近年来基于无模型的非线性定位的研究得到了越来越多的关注。
5.peng[1]基于非线性输出频率响应函数的特性，提出了一种检测周期结构中非线性位置的方法。lang[2]通过引入非线性输出频率响应函数的传递比函数，用于检测和定位多自由度结构中的线性和非线性损伤。但是以上方法假定系统中只存在一个非线性单元，并且要求外荷载是已知的。li[3,4]提出数据驱动的基于时频特征分形维数的非线性单元定位方法，首先利用小波变换获取信号的时频特征，再利用分形维数刻画出时频特征的差异性以进行非线性定位。wang[5,6]将非线性单元引起的非线性力向量通过降阶的方式投影到可测自由度上，称作降阶伪力。通过比较各自由度上降阶伪力的大小和相位性质以定位出非线性单元。但是该方法需要在结构上作用扫频激励。小波熵可以代表信号的有序/无序程度，近年来被广泛研究并应用于结构检测中[7
‑
9]。ren和sun[10]提出了小波熵、相对小波熵等损伤识别特征，通过比较未损伤结构和损伤结构测得的振动信号进行检测和定位。diao等[11]以结构完好和损伤两种状态下的小波熵作为损伤指标，将其输入神经网络以定位结构损伤位置。li等[12]提出了一种基于小波包奇异熵的方法，通过分析曲线连续梁桥在地震激励下的动力响应来识别损伤。然而，以上方法都需要结构完好状态的信号。但对于大多数现有结构，特别是较老的结构通常都缺乏健康数据。lee等[13]提出了一种基于连续相对小波熵的无基线损伤定位算法，并将其应用于桁架结构的螺栓松动定位。该方法将加速度响应数据通过连续小波变化进行分解，将小波系数进行归一化处理并进一步计算和比较不同位置的连续相对小波熵以实现损伤定位。因此，如何在未知非线性模型且缺少健康数据的情况下，基于结构响应监测数据进行在役结构的非线性单元定位是需要解决的关键问题。
[0006]
此外，对非线性单元恢复力的识别可以进一步对非线性类型、程度进行量化。目前
无模型的非线性恢复力识别的方法都具有一定的局限性，如级数展开难以确定展开阶数[14
‑
15]，需要所有自由度的响应信息[16
‑
17]，外激励或非线性力作用位置需要已知[18
‑
20]等等。因此如何在未知非线性模型情况下，基于结构响应的监测数据驱动，识别在结构的非线性单元特性也是需要解决的问题。
[0007]
参考文献：
[0008]
[1]peng,z.k.,lang,z.q.,chu,f.l.,et al.locating nonlinear components in periodic structures using nonlinear effects[j].structural health monitoring,2010,9(5):401
‑
411。
[0009]
[2]lang,z.,park,gyeshin.,farrar,charles.,todd,michael.,mao,zhu.,zhao,l.&worden,k.transmissibility of non
‑
linear output frequency response functions with application in detection and location of damage in mdof structural systems.international journal of non
‑
linear mechanics,2011,46:841
‑
853。
[0010]
[3]陶冬旺.基于数据驱动和物理模型的结构地震损伤识别方法研究[d].哈尔滨工业大学,2013。
[0011]
[4]li,h.,tao,d.,huang,y.,et al.a data
‑
driven approach for seismic damage detection of shear
‑
type building structures using the fractal dimension of time
–
frequency features[j].structural control and health monitoring,2013,20。
[0012]
[5]wang,x.,khodaparast,h.h.,shaw,a.d.,et al.localisation of local nonlinearities in structural dynamics using spatially incomplete measured data[j].mechanical systems and signal processing,2018,99:364
‑
383。
[0013]
[6]王兴.局部非线性结构的动力学计算与试验辨识研究[d].2016。
[0014]
[7]孙增寿,范科举.基于提升小波熵指标的梁板组合桥损伤识别研究[j].振动与冲击,2012,31(11):114
‑
117。
[0015]
[8]yun,g.j.,lee,s.g.,carletta,j.,et al.decentralized damage identification using wavelet signal analysis embedded on wireless smart sensors[j].engineering structures,2011,33(7):2162
‑
2172。
[0016]
[9]陈亮.基于小波能量熵的结构损伤识别[d]。
[0017]
[10]ren,w.x.,sun,z.s.structural damage identification by using wavelet entropy[j].engineering structures,2008,30(10):2840
‑
2849。
[0018]
[11]diao,y.,zhang,x.,sun,z.,et al.wavelet entropy based structural damage identification under seismic excitation[j].smart materials and structures,2018,27(10)。
[0019]
[12]li,d.,cao,m.,deng,t.,zhang,s.wavelet packet singular entropy
‑
based method for damage identification in curved continuous girder bridges under seismic excitations.sensors(basel).2019；19(19):4272。
[0020]
[13]lee,s.g.,yun,g.j.,shang,s.reference
‑
free damage detection for truss bridge structures by continuous relative wavelet entropy method[j]
.structural health monitoring,2014,13(3):307
‑
320。
[0021]
[14]xu,b.,he,j.,&masri,s.f.data
‑
based model
‑
free hysteretic restoring force and mass identification for dynamic systems.computer
‑
aided civil and infrastructure engineering,2015,30(1),2
–
18。
[0022]
[15]许斌,李靖.未知地震激励下结构恢复力及质量非参数化识别[j].工程力学,2019,36(09):180
‑
187。
[0023]
[16]zhou,c.,chase,j.g.,rodgers,g.w.,tomlinson,h.,&xu,c.physical parameter identification of structural systems with hysteretic pinching.computer
‑
aided civil and infrastructure engineering,2015,30(4),247
–
262。
[0024]
[17]zhou,c.,chase,j.g.,rodgers,g.w.,xu,c.comparing model
‑
based adaptive lms filters and a model free hysteresis loop analysis method for structural health monitoring.mechanical systems and signal processing.2017,84,384
‑
398。
[0025]
[18]li,h.,mao,c.x.,&ou,j.p.(2013).identification of hysteretic dynamic systems by using hybrid extended kalman filter and wavelet multiresolution analysis with limited observation.journal of engineering mechanics
‑
asce.139(5),547
‑
558。
[0026]
[19]yang,x.j.,su,h.,liu,l.j.,&lei,y.identification of the nonlinear characteristics of rubber bearings in model
‑
free base
‑
isolated buildings using partial measurements of seismic responses.journal of low frequency noise vibration and active control,2019,39(3),690
‑
703。
[0027]
[20]su,h.,yang,x.j.,liu,l.j.,&lei,y.identifying nonlinear characteristics of model
‑
free mr dampers in structures with partial response data.measurement,2018,130,362
‑
371。


技术实现要素：

[0028]
本公开针对目前现有相关技术存在的不足，提出基于结构响应监测数据，定位和识别工程结构中出现的非线性单元的创新技术，达到监测与评估结构在寿命使用周期内性能变化的目的，具有重要的技术创新意义与实际应用价值。
[0029]
本公开针对现有技术中存在的问题，提出了结构非线性单元定位与非线性恢复力识别的方法。考虑到非线性单元造成系统紊乱程度的增加以及应变响应对非线性单元的敏感度高，采用相对小波熵作为指标，实现基于应变响应数据驱动的无模型非线性单元定位。完成定位后，将所定位位置处的非线性单元的恢复力视为作用在线性结构上的“附加虚拟力”，采用广义未知激励下的卡尔曼滤波(gkf
‑
ui)(cn201811533410.7)，对非线性恢复力进行无模型识别，无需基线数据即可实现非线性单元定位，并且定位和识别过程中都不需要假设或者建立非线性单元模型，具有技术创新与符合实际应用需求的特点。
[0030]
根据本公开的一个方面，提供一种工程结构的非线性单元定位方法，包括：
[0031]
获取被施加外激励的目标工程结构的各个单元的应变响应数据；
[0032]
基于各个单元的应变响应数据获取各个单元的小波能量概率分布；
[0033]
基于各个单元的小波能量概率分布获取每个单元与其他单元的相对小波熵；以及，
[0034]
基于每个单元与其他单元的相对小波熵，获取所述目标工程结构的非线性单元。
[0035]
根据本公开的至少一个实施方式的工程结构的非线性单元定位方法，基于各个单元的应变响应数据获取各个单元的小波能量概率分布，包括：
[0036]
对于应变响应数据x(t)，利用离散小波函数构成的正交基，小波展开表示为：
[0037][0038]
式中，ψ(t)为小波基函数，其中j和k分别为离散伸缩参数和平移参数，且j,k∈z，z是正整数的集合，α
j,k
为小波系数；
[0039]
将所述小波能量概率分布表示为：
[0040][0041]
其中，p
jk
的值为某一特定系数α
j,k
的能量与总能量之比，p
jk
的值即小波能量概率分布，令所有p
jk
的值的和为1。
[0042]
根据本公开的至少一个实施方式的工程结构的非线性单元定位方法，基于各个单元的小波能量概率分布获取每个单元与其他单元的相对小波熵，包括：
[0043]
通过下式获取每个单元与其他单元的相对小波熵：
[0044][0045]
其中，p和q表示不同的单元的应变响应数据的小波能量概率分布，α和β分别表示不同单元的小波系数。
[0046]
根据本公开的至少一个实施方式的工程结构的非线性单元定位方法，
[0047]
基于每个单元与其他单元的相对小波熵，获取所述目标工程结构的非线性单元，包括：
[0048]
通过无基线识别指标获取所述目标工程结构的非线性单元，所述无基线识别指标通过下式基于每个单元与其他单元的相对小波熵获得：
[0049][0050]
其中n表示与用于采集所述目标工程结构的各个单元的应变响应数据的传感器数量相对应的测量位置总数。
[0051]
根据本公开的至少一个实施方式的工程结构的非线性单元定位方法，还包括：
[0052]
对目标工程结构施加地震波外激励。
[0053]
根据本公开的至少一个实施方式的工程结构的非线性单元定位方法，所述目标工程结构的各个单元的应变响应数据分别使用传感器进行采集。
[0054]
根据本公开的至少一个实施方式的工程结构的非线性单元定位方法，所述外激励优选为el
‑
centro地震波作为外激励。
[0055]
根据本公开的另一个方面，提供一种工程结构的非线性单元定位装置，包括：
[0056]
应变响应数据获取模块，所述应变响应数据获取模块获取被施加外激励的目标工程结构的各个单元的应变响应数据；
[0057]
小波能量概率分布生成模块，所述小波能量概率分布基于各个单元的应变响应数据获取各个单元的小波能量概率分布；
[0058]
相对小波熵生成模块，所述相对小波熵基于各个单元的小波能量概率分布获取每个单元与其他单元的相对小波熵；以及，
[0059]
非线性单元获取模块，所述非线性单元获取模块基于每个单元与其他单元的相对小波熵，获取所述目标工程结构的非线性单元。
[0060]
根据本公开的又一个方面，提供一种基于上述任一项的非线性单元定位方法的非线性力识别方法，包括：
[0061]
基于各个单元的质量、阻尼以及单元结构恢复力，以及外激励构建目标工程结构的各个单元的运动方程；以及，
[0062]
基于已知的所述各个单元的质量、阻尼及刚度矩阵对所述运动方程求解，获得所述单元结构恢复力，所述单元结构恢复力即为所述非线性力。
[0063]
根据本公开的至少一个实施方式的非线性力识别方法，基于已知的所述各个单元的质量、阻尼及刚度矩阵对所述运动方程求解，获得所述单元结构恢复力，包括：
[0064]
使用广义未知激励下的卡尔曼滤波(gkf
‑
ui)对所述运动方程求解以获得所述单元结构恢复力。
[0065]
根据本公开的至少一个实施方式的非线性力识别方法，所述运动方程被构建为：
[0066][0067]
其中和x分别为单元结构的加速度、速度及位移的n维列向量，f为外激励向量，η为外激励作用位置的矩阵，m、c分别表示单元结构的质量及阻尼，为单元结构恢复力的n维列向量，z为系统参数；
[0068]
其中，所述目标工程结构具有n层结构。
[0069]
根据本公开的至少一个实施方式的非线性力识别方法，还包括：
[0070]
对所述运动方程进行附加虚拟力提取，使用广义未知激励下的卡尔曼滤波(gkf
‑
ui)对所述运动方程求解先获得所述附加虚拟力，其中，所述附加虚拟力表示为f
u
，且其中k为单元结构的刚度矩阵。
[0071]
根据本公开的至少一个实施方式的非线性力识别方法，基于获得的所述附加虚拟力，获取所述单元结构恢复力
[0072]
根据本公开的至少一个实施方式的非线性力识别方法，所述运动方程为在相对运动坐标系下的运动方程。
[0073]
根据本公开的至少一个实施方式的非线性力识别方法，对所述运动方程进行附加虚拟力提取，包括：
[0074]
将所述运动方程变形为并进一步变形为
[0075]
根据本公开的又一个方面，提供一种基于上述的工程结构的非线性单元定位装置的非线性力识别装置，包括：
[0076]
运动方程建立模块，所述运动方程建立模块基于各个单元的质量、阻尼以及单元结构恢复力，以及外激励，构建目标工程结构的各个单元的运动方程；以及
[0077]
非线性力求解模块，所述非线性力求解模块基于已知的所述各个单元的质量、阻尼及刚度矩阵对所述运动方程求解，获得所述单元结构恢复力，所述单元结构恢复力即为所述非线性力。
[0078]
根据本公开的又一个方面，提供一种电子设备，包括：
[0079]
存储器，所述存储器存储执行指令；以及，
[0080]
处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行上述任一项所述的方法。
[0081]
根据本公开的再一个方面，提供一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述任一项所述的方法。
附图说明
[0082]
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
[0083]
图1是根据本公开的一个实施方式的工程结构的非线性单元定位方法的流程图。
[0084]
图2是根据本公开的一个实施方式的非线性力识别方法的流程图。
[0085]
图3是根据本公开的一个实施方式的电子设备形式的非线性单元定位装置的结构示意框图。
[0086]
图4是根据本公开的一个实施方式的电子设备形式的非线性力识别装置的结构示意框图。
[0087]
图5是根据本公开的一个实施方式的基于同一电子设备实现的非线性单元定位及非线性力识别装置的结构示意框图。
[0088]
图6至图9分别为2单元非线性、4单元非线性、6单元非线性、8单元非线性的单个非线性单元定位结果图。
[0089]
图10和图11分别为以第2层非线性单元为例进行非线性力识别的非线性恢复力时程对比图以及非线性恢复力滞回环对比图。
[0090]
图12至图15分别为3、6单元非线性、4、7单元非线性、5、6单元非线性、2、8单元非线性的两个非线性单元定位结果图。
[0091]
图16和图17分别示出了以第3层非线性单元为例进行非线性力识别的非线性恢复力时程对比图(双线性)以及非线性恢复力滞回环对比图(双线性)。
[0092]
图18和图19分别示出了以第6层非线性单元为例进行非线性力识别的非线性恢复力时程对比图(三线性)以及非线性恢复力滞回环对比图(三线性)。
[0093]
图20至图23分别为1单元非线性、4单元非线性、8单元非线性、9单元非线性的单个非线性单元(杆单元)定位结果图。
[0094]
图24和图25分别示出了以第6杆发生非线性为例进行非线性力识别的非线性恢复力时程对比图以及非线性恢复力滞回环对比图。
具体实施方式
[0095]
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
[0096]
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
[0097]
除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
[0098]
在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此，除非说明，否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记表示同样的部件。
[0099]
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。
[0100]
为了描述性目的，本公开可使用诸如“在
……
之下”、“在
……
下方”、“在
……
下”、“下”、“在
……
上方”、“上”、“在
……
之上”、“较高的”和“侧(例如，在“侧壁”中)”等的空间相对术语，从而来描述如附图中示出的一个部件与另一(其它)部件的关系。除了附图中描绘的方位之外，空间相对术语还意图包含设备在使用、操作和/或制造中的不同方位。例如，如果附图中的设备被翻转，则被描述为“在”其它部件或特征“下方”或“之下”的部件将随后被定位为“在”所述其它部件或特征“上方”。因此，示例性术语“在
……
下方”可以包含“上方”和“下方”两种方位。此外，设备可被另外定位(例如，旋转90度或者在其它方位处)，如此，相应地解释这里使用的空间相对描述语。
[0101]
这里使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
[0102]
图1是本公开的一个实施方式工程结构的非线性单元定位方法，如图1所示，本实施方式的工程结构的非线性单元定位方法100，包括：
[0103]
102、获取被施加外激励的目标工程结构的各个单元的应变响应数据；
[0104]
104、基于各个单元的应变响应数据获取各个单元的小波能量概率分布；
[0105]
106、基于各个单元的小波能量概率分布获取每个单元与其他单元的相对小波熵；以及，
[0106]
108、基于每个单元与其他单元的相对小波熵，获取目标工程结构的非线性单元。
[0107]
其中，目标工程结构被划分为多个单元结构，分别对各个单元结构的应变响应数据进行采集。
[0108]
对于上述实施方式的工程结构的非线性单元定位方法100，优选地，基于各个单元的应变响应数据获取各个单元的小波能量概率分布，包括：
[0109]
对于应变响应数据x(t)，利用离散小波函数构成的正交基，小波展开表示为：
[0110][0111]
式中，ψ(t)为小波基函数，其中j和k分别为离散伸缩参数和平移参数，且j,k∈z，z是正整数的集合，α
j,k
为小波系数；
[0112]
将小波能量概率分布表示为：
[0113][0114]
其中，p
jk
的值为某一特定系数α
j,k
的能量与总能量之比，p
jk
的值即小波能量概率分布，令所有p
jk
的值的和为1。
[0115]
对于上述实施方式的工程结构的非线性单元定位方法100，优选地，基于各个单元的小波能量概率分布获取每个单元与其他单元的相对小波熵，包括：
[0116]
通过下式获取每个单元与其他单元的相对小波熵：
[0117]
[0118]
其中，p和q表示不同的单元的应变响应数据的小波能量概率分布，α和β分别表示不同单元的小波系数。
[0119]
其中，当p
jk
＝q
jk
时相对小波熵等于零，该特性可用于结构检测。当一个结构处于良好状态时，不同位置的小波能量概率分布p
jk
，q
jk
几乎是相同的，相对小波熵接近于零。当结构出现非线性时通常会在一定程度上改变响应信号的小波能量概率分布，结构的p
jk
值会发生变化，使结构的相对小波熵值增加。
[0120]
其中，小波熵可以表示为：
[0121][0122]
由于单元结构出现非线性导致了系统的变化，增加了不确定性和信号紊乱的程度，所测得的结构振动信号的无序程度增加，上文描述的小波能量概率分布p
jk
会发生变化，熵值也会增加。这样，小波熵可以准确地度量小波能量概率分布变化。为了刻画小波熵的变化，引入了上文描述的相对小波熵。
[0123]
对于上述各个实施方式的工程结构的非线性单元定位方法100，优选地，基于每个单元与其他单元的相对小波熵，获取目标工程结构的非线性单元，包括：
[0124]
通过无基线识别指标获取目标工程结构的非线性单元，无基线识别指标通过下式基于每个单元与其他单元的相对小波熵获得：
[0125][0126]
其中n表示与用于采集目标工程结构的各个单元的应变响应数据的传感器数量相对应的测量位置总数。
[0127]
通过本实施方式的无基线识别指标，将测量点的振动信号与其他参考点的振动信号进行比较，从而实现在不使用无损状态数据的情况下进行非线性检测。假设α位置出现非线性，则s
rwe
(p
α
|q1)，s
rwe
(p
α
|q2)，......s
rwe
(p
α
|q
n
)的所有项都显示出较高的值(除了s
rwe
(p
α
|q
α
)等于0)。
[0128]
对于上述各个实施方式的工程结构的非线性单元定位方法100，优选地，还包括：
[0129]
对目标工程结构施加地震波外激励。
[0130]
对于上述各个实施方式的工程结构的非线性单元定位方法100，优选地，目标工程结构的各个单元的应变响应数据分别使用传感器进行采集。
[0131]
其中，传感器为应变传感器。
[0132]
对于上述各个实施方式的工程结构的非线性单元定位方法100，优选地，外激励优选为el
‑
centro地震波作为外激励。
[0133]
根据本公开的一个实施方式，本公开的非线性单元定位装置1000，包括：
[0134]
应变响应数据获取模块1002，应变响应数据获取模块1002获取被施加外激励的目标工程结构的各个单元的应变响应数据；
[0135]
小波能量概率分布生成模块1004，小波能量概率分布1004基于各个单元的应变响应数据获取各个单元的小波能量概率分布；
[0136]
相对小波熵生成模块1006，相对小波熵1006基于各个单元的小波能量概率分布获
取每个单元与其他单元的相对小波熵；以及，
[0137]
非线性单元获取模块1008，非线性单元获取模块1008基于每个单元与其他单元的相对小波熵，获取目标工程结构的非线性单元。
[0138]
图3是根据本公开的一个实施方式的电子设备形式的非线性单元定位装置的结构示意框图。
[0139]
如图3所示，电子设备形式的非线性单元定位装置1000可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该非线性单元定位装置1000可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
[0140]
如图3所示，非线性单元定位装置1000可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路1400连接。
[0141]
总线1100可以是工业标准体系结构(isa，industry standard architecture)总线、外部设备互连(pci，peripheral component)总线或扩展工业标准体系结构(eisa，extended industry standard component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。
[0142]
图2是本公开的一个实施方式的非线性力识别方法的流程图。
[0143]
如图2所示，对于上述任一个实施方式的非线性定位方法100获取的目标工程结构的非线性单元进行非线性力识别的方法200包括：
[0144]
202、基于各个单元(非线性单元)的质量、阻尼以及单元结构恢复力，以及外激励构建目标工程结构的各个单元的运动方程；以及，
[0145]
204、基于已知的各个单元的质量、阻尼及刚度矩阵对运动方程求解，获得单元结构恢复力，单元结构恢复力即为非线性力。
[0146]
对于上述实施方式的非线性力识别方法200，优选地，基于已知的各个单元的质量、阻尼及刚度矩阵对运动方程求解，获得单元结构恢复力，包括：
[0147]
使用广义未知激励下的卡尔曼滤波(gkf
‑
ui)对运动方程求解以获得单元结构恢复力。
[0148]
对于上述各个实施方式的非线性力识别方法200，优选地，运动方程被构建为：
[0149][0150]
其中和x分别为单元结构的加速度、速度及位移的n维列向量，f为外激励向量，η为外激励作用位置的矩阵，m、c分别表示单元结构的质量及阻尼，为单元结构恢复力的n维列向量，z为系统参数；
[0151]
其中，目标工程结构具有n层结构。
[0152]
对于上述各个实施方式的非线性力识别方法200，优选地，还包括：
[0153]
对运动方程进行附加虚拟力提取，使用广义未知激励下的卡尔曼滤波(gkf
‑
ui)对运动方程求解先获得附加虚拟力，其中，附加虚拟力表示为f
u
，且其中k为单元结构的刚度矩阵。
[0154]
优选地，基于获得的附加虚拟力，获取单元结构恢复力
[0155]
对于上述各个实施方式的非线性力识别方法200，优选地，运动方程为在相对运动坐标系下的运动方程。
[0156]
对于上述各个实施方式的非线性力识别方法200，优选地，对运动方程进行附加虚拟力提取，包括：
[0157]
将运动方程变形为并进一步变形为
[0158]
根据本公开的一个实施方式，本公开的非线性力识别装置2000，包括：
[0159]
运动方程建立模块2002，运动方程建立模块2002基于各个单元的质量、阻尼以及单元结构恢复力，以及外激励，构建目标工程结构的各个单元的运动方程；以及，
[0160]
非线性力求解模块2004，非线性力求解模块2004基于已知的各个单元的质量、阻尼及刚度矩阵对运动方程求解，获得单元结构恢复力，单元结构恢复力即为非线性力。
[0161]
图4是根据本公开的一个实施方式的电子设备形式的非线性力识别装置的结构示意框图。
[0162]
如图4所示，电子设备形式的非线性力识别装置2000可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该非线性力识别装置2000可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
[0163]
如图4所示，非线性力识别装置2000也可以利用上文描述的总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线2100将包括一个或多个处理器2200、存储器2300和/或硬件模块的各种电路连接到一起。总线2100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路2400连接。
[0164]
根据本公开的优选实施方式，本公开的非线性单元定位装置1000以及非线性力识别装置2000可以基于同一电子设备实现，也可以基于不同的电子设备实现。
[0165]
图5示出了本公开的一个实施方式的基于同一电子设备实现的非线性单元定位及非线性力识别装置3000。
[0166]
如图5所示，非线性单元定位及非线性力识别装置3000包括了上文描述的非线性单元定位装置1000的应变响应数据获取模块1002、小波能量概率分布生成模块1004、相对小波熵生成模块1006、非线性单元获取模块1008，以及上文描述的非线性力识别装置2000
的运动方程建立模块2002及非线性力求解模块2004。
[0167]
如图5所示，非线性单元定位及非线性力识别装置3000也可以利用上文描述的总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线3100将包括一个或多个处理器3200、存储器3300和/或硬件模块的各种电路连接到一起。总线3100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路3400连接。
[0168]
本公开的非线性单元定位方法解决了工程结构发生的局部非线性的定位问题，基于应变响应数据驱动的相对小波熵能够准确地度量系统的紊乱程度(采用的相对小波熵是比较各个单元之间的紊乱程度，并不是与健康结构的状态进行比较，可以实现无需基线数据的非线性单元的定位)，在未知非线性单元模型的情况下实现了准确的非线性定位结果。
[0169]
本公开的非线性单元定位方法还解决了在缺少结构健康数据情况下非线性单元的定位问题，由于相对小波熵是单元之间互相比较，所以并不需要健康结构的数据作为基线，实现了无基线数据的非线性单元的定位(采用基于应变响应数据驱动的相对小波熵指标，能够准确地度量各单元之间的差异性，通过监测的各个单元的响应数据，实现无需非线性模型定位出非线性单元)。
[0170]
本公开的非线性力识别方法解决了结构局部非线性单元模型未知情况下非线性力的识别问题，可以解决复杂的非线性单元难以建模以及近似方法存在误差的问题，基于监测的结构响应(通过结构响应监测数据驱动，优选地采用的gkf
‑
ui方法能准确识别非线性力特征，无需假定非线性模型，也不用对非线性力进行级数展开等近似)，达到对非线性特征识别的目的。
[0171]
下文通过具体的模拟实验验证本公开的非线性单元定位方法及非线性力识别方法的技术效果。
[0172]
1)技术效果的剪切框架数值模拟
[0173]
以地震激励下的10层剪切框架为例进行验证。采用el
‑
centro地震波作为外激励，采样时长31.2s，采样频率为200hz。进行非线性单元定位的观测信息为每一层柱单元的应变。进行非线性恢复力识别的观测信息为每一层柱单元的应变加上某两/三层楼层的加速度。采用四阶runge
‑
kutta方法进行非线性运动方程的求解，在得到的数值模拟响应数据中加入标准差为5％的高斯白噪声。
[0174]
(1)单个非线性单元定位与识别
[0175]
采用bouc
‑
wen迟滞非线性模型模拟力—层间位移关系，模拟了单个单元出现非线性的情况。以所有楼层柱单元的顶端应变响应作为观测信息。首先对得到的应变响应进行小波变换获得小波系数并计算小波能量和小波能量概率分布。随后计算相对小波熵以及每个传感器位置处的定位指标。最后比较指标以定位非线性位置。
[0176]
图6至图9分别为2单元非线性、4单元非线性、6单元非线性、8单元非线性的单个非线性单元定位结果图。图6至图9中，纵轴为相对小波熵。
[0177]
以第2层非线性单元为例进行非线性力识别，除了所有楼层柱的应变信息，第3层与第4层的加速度也被加入作为观测量。基于前述的非线性单元定位结果，将定位非线性单元处的非线性力作为线性结构上的“附加虚拟力”，并采用gkf
‑
ui对“附加虚拟力”进行识别。
[0178]
图10和图11分别示出了以第2层非线性单元为例进行非线性力识别的非线性恢复力时程对比图以及非线性恢复力滞回环对比图。
[0179]
(2)多个非线性单元定位与识别
[0180]
假定结构中存在两个非线性单元。分别采用双线性和三线性迟滞非线性模型模拟力—层间位移关系。以所有楼层柱单元的顶端应变响应作为观测信息，计算各个楼层单元之间的相对小波熵。首先对应变响应进行小波变换得到小波系数并计算小波能量和小波能量概率分布。随后计算相对小波熵以及每个传感器位置处的定位指标。最后比较指标以定位非线性位置。
[0181]
图12至图15分别为3、6单元非线性、4、7单元非线性、5、6单元非线性、2、8单元非线性的两个非线性单元定位结果图。图12至图15中，纵轴为相对小波熵。
[0182]
以第3层和第6层非线性单元为例行非线性力识别。除了所有楼层柱的应变信息，第1层，第4层和第7层的加速度也被加入作为观测量。基于的非线性单元定位结果，将定位非线性单元处的非线性力作为线性结构上的“附加虚拟力”，并采用gkf
‑
ui对“附加虚拟力”进行识别。
[0183]
图16和图17分别示出了以第3层非线性单元为例进行非线性力识别的非线性恢复力时程对比图(双线性)以及非线性恢复力滞回环对比图(双线性)。
[0184]
图18和图19分别示出了以第6层非线性单元为例进行非线性力识别的非线性恢复力时程对比图(三线性)以及非线性恢复力滞回环对比图(三线性)。
[0185]
2)技术效果的桁架数值模型验证
[0186]
以地震激励下的单跨桁架为例进行验证。桁架由11根杆组成，每个节点包含横向和竖向自由度，总共11个自由度。外激励为el
‑
centro地震波，采样时长31.2s，采样频率为1000hz。采用四阶runge
‑
kutta方法进行非线性运动方程的求解。进行非线性单元定位的观测信息为每一个单元的应变。进行非线性恢复力识别的观测信息为每一个单元的应变加上少量自由度的加速度。在得到的数值模拟响应数据中加入均方差为5％的高斯白噪声。
[0187]
采用双线性模型模拟单元非线性并假设非线性发生在杆单元的轴向方向的两个自由度之间。以所有杆单元的应变响应作为观测信息，如前所述计算各个杆单元应变之间的相对小波熵实现非线性单元的定位。
[0188]
图20至图23分别为1单元非线性、4单元非线性、8单元非线性、9单元非线性的单个非线性单元(杆单元)定位结果图。图20至图23中，纵轴为相对小波熵。
[0189]
以第4根杆发生非线性为例进行非线性力识别。除了所有杆单元的应变信息，第2，3，4节点的横向加速度也被加入作为观测量。基于前述非线性单元定位结果，将定位非线性杆单元处的非线性力作为线性结构上的“附加虚拟力”，并采用gkf
‑
ui对“附加虚拟力”进行识别。
[0190]
图24和图25分别示出了以第6杆发生非线性为例进行非线性力识别的非线性恢复力时程对比图以及非线性恢复力滞回环对比图。
[0191]
3)技术效果的剪切框架试验模型验证
[0192]
采用装有mr阻尼器的五层剪切框架结构实验，来证明提出方法的有效性。框架节点连接采用双排螺栓，可近似地认为支撑与楼层之间的连接为固结。激振器在结构第3层上作用一个的水平白噪声激励，激励作用持续时长为6s，采样频率为1000hz。进行非线性单元
定位的观测信息为每一层柱单元的顶端应变。进行非线性恢复力识别的观测信息为每一层柱单元的应变加上两层楼层的加速度。
[0193]
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
[0194]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0195]
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。