基于时间序列模型的输电塔损伤识别

摘要

输电塔结构在投入使用后，常常由于户外环境比较恶劣，容易受到腐蚀，加上服役时间比较长，自然灾害频发，难免会出现不同程度的损伤，损伤比较严重时可能倒塌，会造成经济损失甚至会酿成安全事故。所以很有必要对输电塔结构进行健康检测，以及损伤识别研究。　　输电塔结构通常比较高大、复杂，对其进行一部分一部分的检测需要耗费大量的人力物力。因此需要整体损伤识别定位的方法，在这些方法中，大部分基于结构的振动特性来进行识别。对于结构的振动，最容易测得的就是结构的加速度响应序列，也就是加速度随着时间的变化序列。故本文采用时间序列模型直接对加速度建模，构建损伤识别指标，可以避免了使用加速度数据提取频率、振型等动力特性参数过程中的信息损失。　　本文先叙述了时间序列模型中广泛运用的线性AR模型以及非线性ARCH模型的相关理论，以及具体的建模过程。然后提出了基于线性AR模型的输电塔线性损伤识别理论和预白化前三阶系数指标PCI(Pre-whitening Coefficient Index)；提出了基于非线性ARCH模型的输电塔非线性损伤识别理论，推导了基于ARCH模型的残差偏移距离RD(residuals distance)。　　本文所提出的理论和指标通过一个三层框架结构实验和八层数值模拟进行了验证，结果表明使用预白化前三阶系数指标PCI可以识别线性损伤所在的位置，基于ARCH模型的残差偏移距离RD可以识别结构的非线性损伤。最后进一步将这两个指标用于输电塔的损伤识别，把输电塔化为分层的6个子结构，用节点的加速度代替该层的加速度，建立AR模型识别线性损伤，提取残差建立ARCH模型识别非线性损伤，也取得了比较理想的效果，检测出了输电塔的损伤位置。为了进一步对比RD指标用于识别复杂结构非线性损伤的优势，本文将传统的非线性指标SOVI和直接基于ARCH模型系数参数构建的Euclide距离指标用于输电塔的非线性损伤识别，并进行了对比分析，研究结果表明SOVI不能直接用于输电塔的损伤识别，Euclide距离指标可以进行损伤识别定位，但是容易受到结构复杂性的干扰。RD指标则可以准确的对输电塔的非线性损伤进行定位，抗干扰更好。

目录

1 绪 论

1.1 选题的背景及意义

1.2 结构损伤识别方法综述

1.3 输电塔的损伤识别进展

1.4 时序模型在损伤识别中的应用

1.5 本文的研究思路和内容

2 时间序列模型理论介绍

2.1.1 AR模型介绍

2.1.2 AR模型的性质

2.1.3 AR模型的建模

2.2.1 ARCH模型的基本概念

2.2.2 ARCH模型的性质

2.2.3 ARCH模型的建模

2.3 本章小结

3 输电塔结构损伤识别理论

3.1.1 引言

3.1.2 基本损伤敏感因子DSF

3.1.3 基于预白化的改进指标PCI

3.1.4 利用损伤识别指标PCI进行输电塔的线性损伤识别

3.2.1 基于ARCH模型的基本损伤识别指标

3.2.2 基于残差偏移距离改进的ARCH模型损伤识别指标RD

3.2.3 运用ARCH模型进行输电塔损伤识别的流程

3.3 本章小结

4 框架结构实验及数值模拟验证

4.2 AR模型线性损伤识别

4.2.1 AR模型的建模

4.2.2 线性损伤识别结果

4.3 ARCH模型非线性损伤识别

4.3.1 建立非线性ARCH模型

4.3.2 非线性损伤识别结果

4.4 非线性损伤的数值模拟验证

4.5 本章小结

5 输电塔损伤识别的实验研究

5.1 输电塔实验介绍

5.1.1 实验加载方式

5.1.2 实验观测设备

5.1.3 实验测点布置

5.1.4 实验工况

5.2.1 AR模型的建模

5.2.2 输电塔的线性损伤识别结果

5.3.1 建立非线性ARCH模型

5.3.2 输电塔的非线性损伤识别结果

5.4 本章小结

6 结论与展望

6.1 主要结论

6.2 本文创新点

6.3 未来展望

参考文献

附 录

A. 作者在攻读学位论文期间发表的论文目录

B. 学位论文数据集

致 谢