结构分布式损伤识别决策融合研究

摘要

单一的损伤检测方法无法对复杂结构做出较为合理的判断，其对结构健康信息的利用率较为低下，因此全面利用结构健康信息，必然要求多种损伤检测方法的联合应用，即采用分布式损伤检测方法，而分布式损伤检测方法的核心要件在于如何处理对同一事件做出的多种损伤检测结果，即决策融合问题。本文对此展开了探索性的研究。 本文首先对结构损伤识别和决策融合技术进行了概述，介绍了结构损伤识别和决策融合技术的历史发展、现状、趋势及相应的方法。然后本文构建了分布式损伤识别框架，并对损伤识别精度及两种决策融合判断准则进行了论述，将贝叶斯决策融合理论应用于同精度多种损伤识别方法的融合问题中，可以发现该准则对各子损伤识别进行自动分析、综合后，可大大提高健康监测系统中信息的利用率，获得的最终损伤判断的正确概率要优于单独某一个子损伤检测方法。 在进行多精度损伤识别方法的融合中，本文首先采用神经网络结构构造了三个不同精度的损伤识别器，作为三种子损伤检测方法。然后根据D-S证据理论构造了支持函数S和反对函数T，并给出相应的决策准则，从而得到了完整的D-S证据决策融合准则，实现了多精度损伤识别方法的融合，使单一损伤识别方法无法判明的损伤工况，在融合后也得到了判定。最后，将D-S证据理论决策融合准则退化到解决同精度的损伤识别方法融合问题，并与贝叶斯决策融合准则进行了比较，结果表明，两者均能使融合后的损伤识别结果的正确概率提高，但前者的系统性能更优。

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2研究的目的和意义

1.3结构损伤识别概述

1.4决策融合技术概述

1.5主要研究内容

第二章基于决策融合理论的分布式损伤识别

2.1分布式损伤检测

2.2 Bayes决策融合方法

2.3 D-S证据理论决策融合方法

2.4损伤识别的精度

第三章同精度结构损伤识别决策融合

3.1 Bayes风险代价决策融合方法

3.2分布式损伤检测系统的性能分析

3.3算例分析

3.4本章小结

第四章多精度结构损伤识别决策融合

4.1单精度与多精度分布式结构损伤识别框架

4.2三种神经网络结构损伤识别器

4.3 D-S证据理论决策融合

4.4算例分析

4.5本章小结

第五章两种决策融合理论的应用比较

5.1 Bayes决策融合理论损伤位置识别

5.2 D-S证据决策理论与损伤位置识别

5.3本章小结

第六章结论与展望

6.1结论

6.2进一步的研究展望

参考文献

附录：攻读硕士学位期间完成的论文

致谢