張建偉， 暴振磊， 江　琦

(華北水利水電大學(xué) 水利學(xué)院，鄭州　450045)

小波-ICA聯(lián)合技術(shù)在水工結(jié)構(gòu)應(yīng)變損傷識(shí)別中的應(yīng)用

張建偉， 暴振磊， 江琦

(華北水利水電大學(xué) 水利學(xué)院，鄭州450045)

針對(duì)環(huán)境激勵(lì)下的結(jié)構(gòu)參數(shù)辨識(shí)問(wèn)題，提出一種小波閾值和獨(dú)立分量分析(Independent Component Analysis, ICA)聯(lián)合辨識(shí)水流激勵(lì)下水工結(jié)構(gòu)模態(tài)參數(shù)的方法。利用小波閾值對(duì)原始信號(hào)進(jìn)行降噪處理，減小環(huán)境激勵(lì)對(duì)各響應(yīng)分量間獨(dú)立性的干擾，使其滿足ICA的分離假定；然后運(yùn)用ICA辨識(shí)結(jié)構(gòu)模態(tài)參數(shù)，通過(guò)不同工況下應(yīng)變模態(tài)參數(shù)的對(duì)比，實(shí)現(xiàn)對(duì)水工結(jié)構(gòu)損傷的識(shí)別。運(yùn)用該方法對(duì)水流激勵(lì)下的懸臂梁模型試驗(yàn)進(jìn)行分析研究，結(jié)果表明，聯(lián)合運(yùn)用小波閾值和ICA可有效辨識(shí)水工結(jié)構(gòu)的模態(tài)參數(shù)，利用應(yīng)變模態(tài)參數(shù)的差異可識(shí)別結(jié)構(gòu)是否存在損傷。該方法為大型水工結(jié)構(gòu)在水流激勵(lì)下的結(jié)構(gòu)模態(tài)參數(shù)辨識(shí)提供捷徑，為結(jié)構(gòu)的安全運(yùn)行與在線監(jiān)測(cè)提供參考，應(yīng)用前景廣闊。

環(huán)境激勵(lì)；水工結(jié)構(gòu)；小波分析；獨(dú)立分量分析；損傷識(shí)別

模態(tài)作為結(jié)構(gòu)的固有振動(dòng)特性，能夠準(zhǔn)確預(yù)報(bào)某頻段內(nèi)結(jié)構(gòu)在外部或內(nèi)部各種振源作用下的實(shí)際振動(dòng)響應(yīng)，工作模態(tài)參數(shù)是結(jié)構(gòu)運(yùn)行狀況的動(dòng)態(tài)外在表現(xiàn)，通過(guò)準(zhǔn)確的辨識(shí)模態(tài)參數(shù)可以實(shí)現(xiàn)水工結(jié)構(gòu)無(wú)損在線動(dòng)態(tài)監(jiān)測(cè)，達(dá)到識(shí)別結(jié)構(gòu)損傷的效果。傳統(tǒng)的模態(tài)分析方法建立在系統(tǒng)輸入、輸出數(shù)據(jù)均為已知的基礎(chǔ)上，利用完整的激勵(lì)和響應(yīng)信息進(jìn)行參數(shù)辨識(shí)。然而實(shí)際工程中水工結(jié)構(gòu)實(shí)際尺寸的限制、人工激勵(lì)成本的高昂及其對(duì)結(jié)構(gòu)運(yùn)行的影響，使得結(jié)構(gòu)完整輸入激勵(lì)信息難以準(zhǔn)確獲得，導(dǎo)致傳統(tǒng)方法在實(shí)際工程中的應(yīng)用受到限制，因此，僅利用響應(yīng)數(shù)據(jù)的工作模態(tài)分析技術(shù)逐漸發(fā)展起來(lái)[1]。

工作模態(tài)參數(shù)辨識(shí)方法主要分為頻域辨識(shí)法和時(shí)域辨識(shí)法。頻域辨識(shí)法將時(shí)域內(nèi)測(cè)得的數(shù)據(jù)通過(guò)傅里葉變換(簡(jiǎn)稱FT)轉(zhuǎn)換到頻域內(nèi)，而后由功率譜函數(shù)進(jìn)行辨識(shí)。該類方法概念清晰，不易遺漏模態(tài)。時(shí)域辨識(shí)法直接應(yīng)用實(shí)測(cè)響應(yīng)數(shù)據(jù)在時(shí)域內(nèi)進(jìn)行參數(shù)辨識(shí)，避免了頻域辨識(shí)法中由于傅里葉變換而引起的截?cái)嗾`差，由此提高了辨識(shí)精度[2]。近年來(lái)隨著計(jì)算機(jī)技術(shù)、信號(hào)分析技術(shù)和試驗(yàn)手段的進(jìn)步，基于振動(dòng)的模態(tài)參數(shù)辨識(shí)研究得到了長(zhǎng)足進(jìn)展，研究對(duì)象已從單一較小線性不變結(jié)構(gòu)向大型多相耦合非線性動(dòng)力時(shí)變體系過(guò)渡，激勵(lì)方式由簡(jiǎn)單的脈沖方式發(fā)展到復(fù)雜的環(huán)境隨機(jī)激勵(lì)，研究結(jié)構(gòu)所處的背景環(huán)境由無(wú)干擾噪聲到強(qiáng)干擾、強(qiáng)耦合、多特征條件下的隨機(jī)噪聲，研究方法從經(jīng)典的頻域方法發(fā)展到現(xiàn)代時(shí)-頻聯(lián)合分析方法和人工智能方法[3]。其中，作為一種經(jīng)典的盲源分離技術(shù)的獨(dú)立分量分析受到的關(guān)注最多。ICA是在源信號(hào)未知的情況下，假設(shè)信號(hào)相互獨(dú)立，從多維數(shù)據(jù)中尋找具有統(tǒng)計(jì)獨(dú)立和非高斯的成分，進(jìn)而分離出獨(dú)立的源信號(hào)分量。由于其操作方便、計(jì)算快速、分解結(jié)果優(yōu)于傳統(tǒng)的信號(hào)分析技術(shù)，ICA在參數(shù)識(shí)別領(lǐng)域已取得一定的成果，但在實(shí)際結(jié)構(gòu)參數(shù)識(shí)別應(yīng)用中仍存在一些局限性。Kerschen利用ICA成功進(jìn)行時(shí)域下阻尼限制在1%以下的結(jié)構(gòu)系統(tǒng)參數(shù)識(shí)別[4]；McNail利用改進(jìn)的Hebbian-like算法將ICA擴(kuò)展至高阻尼結(jié)構(gòu)的自由響應(yīng)參數(shù)識(shí)別，但環(huán)境激勵(lì)下的結(jié)構(gòu)參數(shù)識(shí)別問(wèn)題并未得到很好的解決[5]。

基于上述研究，提出一種適用于環(huán)境激勵(lì)下水工結(jié)構(gòu)的工作模態(tài)參數(shù)識(shí)別方法，該方法通過(guò)小波閾值對(duì)泄流振動(dòng)數(shù)據(jù)進(jìn)行預(yù)處理，提取結(jié)構(gòu)振動(dòng)有效信息，降低環(huán)境噪聲對(duì)ICA的影響；然后利用ICA辨識(shí)結(jié)構(gòu)的工作模態(tài)參數(shù)，通過(guò)對(duì)比不同工況下的模態(tài)參數(shù)，最終達(dá)到損傷識(shí)別的目的。

1基本原理

1.1小波閾值降噪

小波閾值降噪是利用變換閾值對(duì)含噪聲信號(hào)進(jìn)行小波閾值處理，從而除去或減少噪聲的影響，然后對(duì)處理后的系數(shù)進(jìn)行小波重構(gòu)得到較好的真實(shí)信號(hào)的估計(jì)[6]。其基本原理是小波分解后白噪聲仍然是白噪聲，分布廣泛，但其幅值較??；而有用信號(hào)則被壓縮到少量小波系數(shù)中，其幅值大。根據(jù)這一性質(zhì)，設(shè)計(jì)門限值，認(rèn)為小于此門限值的小波系數(shù)是噪聲小波系數(shù)，應(yīng)全部置零，大于此門限值的小波系數(shù)為有用信號(hào)，應(yīng)保留，從而除去或減少噪聲的影響。經(jīng)處理后的系數(shù)通過(guò)小波重構(gòu)得到較好的真實(shí)信號(hào)的估計(jì)。Donoho提出兩種閾值處理方法[6]：

1) 硬閾值函數(shù)：

(1)

2) 軟閾值函數(shù)：

Donoho給出了閾值求解公式：

(3)

式中：σ表示噪聲方差，N表示信號(hào)數(shù)據(jù)長(zhǎng)度。

1.2獨(dú)立分量分析(ICA)

獨(dú)立分量分析(ICA)是20世紀(jì)90年代后期發(fā)展起來(lái)的一種統(tǒng)計(jì)數(shù)據(jù)分析和信號(hào)處理方法，是一種經(jīng)典的盲源分離技術(shù)。其工作原理是：在源信號(hào)未知的情況下，假設(shè)信號(hào)相互獨(dú)立，從多維數(shù)據(jù)中尋找具有統(tǒng)計(jì)獨(dú)立和非高斯的成分，進(jìn)而分離出獨(dú)立的源信號(hào)分量，實(shí)現(xiàn)對(duì)多信號(hào)重疊情況的分解提取工作。由于其操作方便、計(jì)算快速、分解結(jié)果優(yōu)于傳統(tǒng)的信號(hào)分析技術(shù)，獨(dú)立分量分析在通信工程、神經(jīng)科學(xué)、圖像處理等[7]多個(gè)領(lǐng)域得到廣泛應(yīng)用。

1.2.1ICA的問(wèn)題描述

假定n維源信號(hào)矢量s(t)=[s1(t),s2(t),…,sn(t)]T和m維觀測(cè)矢量x(t)=[x1(t),x2(t),…,xm(t)]T滿足：

x(t)=As(t)

(4)

式中：A∈Rm×n是未知的混疊矩陣。

為了最大限度得到源信號(hào)的最優(yōu)估計(jì)，需找到合適的分離矩陣W，通過(guò)分離矩陣將各獨(dú)立信號(hào)從混合信號(hào)中提取分離，即：

y(t)=Wx(t)

(5)

式中：y(t)=[y1(t),y2(t),…,yn(t)]T為源信號(hào)矢量s(t)的估計(jì)。當(dāng)W和A互為逆矩陣時(shí)，即WA=E(E為單位矩陣)時(shí)，ICA分離結(jié)束。

1.2.2ICA的基本假定

在源信號(hào)和系統(tǒng)特性均未知的情況下，如果缺少其他相關(guān)的假設(shè)條件，僅依靠觀測(cè)信號(hào)很難得到ICA分離問(wèn)題的期望解。為了使問(wèn)題可解，對(duì)輸入的源信號(hào)和混合矩陣做出以下的幾點(diǎn)假設(shè)[8]：

(1) 混合矩陣A為非奇異矩陣(即A-1存在)；

(2) 源信號(hào)的分量個(gè)數(shù)n小于或者等于觀測(cè)信號(hào)的個(gè)數(shù)m，通常假定m=n；

(3) 源信號(hào)矢量x(t)的各分量xi(t)均為零均值的平穩(wěn)隨機(jī)信號(hào)，且分量間滿足統(tǒng)計(jì)獨(dú)立性；

(4) 多個(gè)高斯信號(hào)的混合仍服從一個(gè)無(wú)法分離的高斯分布，所以假設(shè)源信號(hào)分量之中最多只有一個(gè)服從高斯分布。

即使對(duì)ICA做了如上基本假設(shè)，ICA分離中還是存在一些不確定性[8]，即ICA尚無(wú)法確定獨(dú)立分量的順序，得到的源信號(hào)只是對(duì)真實(shí)信號(hào)的最優(yōu)估計(jì)。但這些不確定性并不影響對(duì)信號(hào)有用信息的識(shí)別，實(shí)際應(yīng)用中是可以接受的。

2小波閾值降噪與ICA聯(lián)合運(yùn)用

2.1ICA辨識(shí)結(jié)構(gòu)模態(tài)參數(shù)

N自由度系統(tǒng)的運(yùn)動(dòng)方程的物理坐標(biāo)表達(dá)式為：

(6)

假設(shè)阻尼矩陣C為比例阻尼矩陣，即

C=αM+βK

(7)

式中：α和β為比例阻尼系數(shù)。

采用振型分解法，將物理坐標(biāo)轉(zhuǎn)為模態(tài)坐標(biāo)，使方程解耦成為一組由模態(tài)坐標(biāo)和模態(tài)參數(shù)表達(dá)的獨(dú)立方程，進(jìn)而求出結(jié)構(gòu)相應(yīng)的模態(tài)參數(shù)。系統(tǒng)響應(yīng)按振型展開(kāi)為：

(8)

式(8)可以用矩陣形式表達(dá)為：

x(t)=Φq(t)

(9)

式中：Φ為振型矩陣，q(t)=aie-ξiωnitsin(ωDit+φi)為結(jié)構(gòu)正則坐標(biāo)向量。對(duì)比式(4)和(9)，正則坐標(biāo)向量可以看做ICA問(wèn)題中的源信號(hào)矢量，且已經(jīng)滿足ICA中關(guān)于源信號(hào)各分量不相關(guān)的假定條件。運(yùn)用ICA分離思想，從振型分解的響應(yīng)信號(hào)中估計(jì)出結(jié)構(gòu)輸入信號(hào)和分離矩陣W=A-1，而振型向量Φ=A=W-1。再利用傅里葉變換(FT)、希爾伯特變換(FFT)等從分離信號(hào)q(t)識(shí)別出結(jié)構(gòu)的頻率。因此，ICA技術(shù)可以應(yīng)用于結(jié)構(gòu)參數(shù)識(shí)別。

2.2小波閾值降噪與ICA聯(lián)合運(yùn)用

ICA局限性的主要原因在于，結(jié)構(gòu)模態(tài)響應(yīng)受到阻尼和環(huán)境激勵(lì)的干擾，影響了各響應(yīng)分量之間的獨(dú)立性，響應(yīng)模態(tài)的相關(guān)性逐漸增加，響應(yīng)信號(hào)不再滿足ICA的分離假定，進(jìn)而導(dǎo)致ICA算法不能有效識(shí)別出結(jié)構(gòu)參數(shù)[9]。因此，為精確辨識(shí)結(jié)構(gòu)的振型和信號(hào)有用信息，將小波閾值降噪和ICA聯(lián)合運(yùn)用，對(duì)結(jié)構(gòu)進(jìn)行損傷識(shí)別的研究。

小波閾值降噪與ICA聯(lián)合運(yùn)用的步驟如下：

(1) 確定小波分解層數(shù)。信號(hào)經(jīng)小波分解后白噪聲能量主要分布在大多數(shù)小波空間上，在這些層次的小波空間中白噪聲起控制作用，因而小波系數(shù)表現(xiàn)出白噪聲特性；有用信號(hào)則被壓縮到少數(shù)大尺度小波系數(shù)空間上數(shù)值較大的小波系數(shù)中，有用信號(hào)起主導(dǎo)作用，小波系數(shù)表現(xiàn)非白噪聲特性；通過(guò)判斷各層小波系數(shù)是否具有白噪聲特性可以自適應(yīng)地確定分解層數(shù)，即對(duì)各層小波系數(shù)進(jìn)行白化檢驗(yàn)[10]。

由數(shù)理統(tǒng)計(jì)知識(shí)可知，白噪聲是隨機(jī)函數(shù)，它由一組互不相關(guān)的隨機(jī)變量構(gòu)成。離散隨機(jī)變量的自相關(guān)序列為：

(10)

假設(shè)離散數(shù)據(jù)序列dk(k=1,2,…,N)的自相關(guān)序列為ρ(i)(i=1,2,…,M)，若ρ(i)滿足下式：

(11)

則認(rèn)為dk為白噪聲序列，M通常取5～10。

在實(shí)際振動(dòng)測(cè)試信號(hào)中，由于白噪聲中含有一種弱相關(guān)信號(hào)，無(wú)法確定是有用信號(hào)的弱相關(guān)信號(hào)還是噪聲產(chǎn)生的隨機(jī)信號(hào)，因此采用小波系數(shù)去相關(guān)的白化檢驗(yàn)。其流程如下圖1所示。

圖1　小波系數(shù)去相關(guān)白化檢驗(yàn)流程Fig.1 Flow chart for white noise detection of wavelet coefficients decorrelation

(2) 計(jì)算各層小波系數(shù)閾值。Donoho提出的閾值計(jì)算公式對(duì)于高信噪比的信號(hào)比較適用，對(duì)于被噪聲淹沒(méi)的低信噪比泄流結(jié)構(gòu)振動(dòng)信號(hào)則因保留了太多較大噪聲小波系數(shù)而影響降噪效果，噪聲小波系數(shù)隨著分解層數(shù)的增加不斷降低，且Donoho提出的閾值公式計(jì)算的是全局閾值，這顯然不合理，因此采用改進(jìn)閾值公式[11]：

(12)

式中：σ表示噪聲方差，N表示信號(hào)數(shù)據(jù)長(zhǎng)度，e表示底數(shù)e≈2.718 28，j表示分解層數(shù)。

(3) 選取合適的閾值函數(shù)。閾值函數(shù)通常使用Donoho提出的軟、硬閾值函數(shù)。但硬閾值函數(shù)不連續(xù)，出現(xiàn)偽吉布斯現(xiàn)象，軟閾值函數(shù)雖連續(xù)，但處理后的小波系數(shù)存在偏差，因此本文采用改進(jìn)閾值函數(shù)：

(4) 對(duì)重構(gòu)信號(hào)進(jìn)行ICA分解。原始信號(hào)通過(guò)小波閾值消噪后，降低了混頻效應(yīng)，滿足ICA分解的條件，使得ICA能夠正確分解信號(hào)，精確識(shí)別結(jié)構(gòu)的模態(tài)參數(shù)。

(5) 對(duì)不同工況下的模態(tài)參數(shù)進(jìn)行對(duì)比，實(shí)現(xiàn)結(jié)構(gòu)的損傷識(shí)別。

3模型試驗(yàn)

3.1試驗(yàn)概況

試驗(yàn)以泄流激勵(lì)下懸臂梁結(jié)構(gòu)為研究對(duì)象，以水流作為外部環(huán)境激勵(lì)源，懸臂梁底部用AB膠固結(jié)于有一定重量和厚度的鋼板上，鋼板與水槽底部用橡皮泥固定，以防止水流激勵(lì)把模型掀翻。懸臂梁材料彈模E=155 MPa，密度ρ=2 321 kg/m3，結(jié)構(gòu)尺寸6 cm×4 cm×40 cm(長(zhǎng)×寬×高)。在其背水面和一個(gè)側(cè)面等間距地各布置有5個(gè)應(yīng)變傳感器，背水面測(cè)點(diǎn)編號(hào)自頂部測(cè)點(diǎn)記為測(cè)點(diǎn)1，底部測(cè)點(diǎn)記為測(cè)點(diǎn)5，側(cè)向測(cè)點(diǎn)編號(hào)從頂部記為測(cè)點(diǎn)6，側(cè)向底部記為測(cè)點(diǎn)10，測(cè)點(diǎn)布置如圖2所示。為降低試驗(yàn)環(huán)境中溫度等因素對(duì)應(yīng)變片測(cè)試結(jié)果造成影響，在同一環(huán)境中布置溫度補(bǔ)償片，實(shí)驗(yàn)時(shí)，將懸臂梁模型置于水槽中，控制上下游水位，以保證不同試驗(yàn)工況下能在相同流速下進(jìn)行，即確保各工況下激勵(lì)源能量近似相同，懸臂梁流激振動(dòng)試驗(yàn)如圖3所示，振動(dòng)測(cè)試系統(tǒng)采用DASP智能數(shù)據(jù)采集和信號(hào)分析系統(tǒng)。

圖2　測(cè)點(diǎn)布置圖及溫度補(bǔ)償片布置圖Fig.2 Survey points layout plan and temperature compensation plan

圖3　懸臂梁流激振動(dòng)試驗(yàn)Fig.3 Cantilever beam vibration test

3.2小波閾值和ICA聯(lián)合辨識(shí)結(jié)構(gòu)損傷

試驗(yàn)?zāi)康闹荚谠O(shè)置不同的工況，通過(guò)采集泄流激勵(lì)下懸臂梁的動(dòng)應(yīng)變響應(yīng)數(shù)據(jù)，聯(lián)合運(yùn)用小波閾值和ICA對(duì)其進(jìn)行模態(tài)參數(shù)辨識(shí)；由于應(yīng)變模態(tài)相比其他模態(tài)參數(shù)對(duì)損傷有更高的敏感度[2，12]，根據(jù)應(yīng)變模態(tài)的差異能夠有效識(shí)別結(jié)構(gòu)的局部損傷，因此，通過(guò)對(duì)比不同工況下的應(yīng)變振型，進(jìn)而驗(yàn)證本文提出的結(jié)構(gòu)損傷識(shí)別方法。

試驗(yàn)的工況分為完好情況和損傷情況，其中損傷情況為結(jié)構(gòu)在測(cè)點(diǎn)3迎水面處發(fā)生20 mm的損傷。應(yīng)變傳感器的采樣頻率fs=300 Hz，觀測(cè)信號(hào){xi}包含10個(gè)通道，對(duì)信號(hào){xi}進(jìn)行小波預(yù)處理，首先根據(jù)圖1去相關(guān)白化檢驗(yàn)流程確定該測(cè)點(diǎn)小波分解層數(shù)為5層，采用db6小波進(jìn)行分解，各層閾值根據(jù)改進(jìn)式(12)計(jì)算。經(jīng)改進(jìn)閾值函數(shù)處理后的小波系數(shù)通過(guò)小波重構(gòu)得到降噪后的信號(hào){xi′}。限于篇幅，在此僅給出損傷工況下測(cè)點(diǎn)2和測(cè)點(diǎn)3濾波前后的時(shí)程圖，結(jié)果如圖4和圖5所示。測(cè)點(diǎn)2和測(cè)點(diǎn)3的互相關(guān)函數(shù)降噪前后對(duì)比圖如圖6所示。

圖4　測(cè)點(diǎn)2降噪前后時(shí)程線對(duì)比圖Fig.4 Time history curve comparison of signal at point 2

圖5　測(cè)點(diǎn)3降噪前后時(shí)程線對(duì)比圖Fig.5 Time history curve comparison of signal at point 3

圖6　測(cè)點(diǎn)2#、3#的互相關(guān)函數(shù)降噪前后對(duì)比圖Fig.6 Cross-correlation function comparison of signal at point 2# and 3#

由圖6可得：降噪后測(cè)點(diǎn)2和測(cè)點(diǎn)3的互相關(guān)函數(shù)明顯減小，信號(hào)間的相關(guān)性降低，水流噪聲對(duì)信號(hào)的影響大大降低，有利于ICA對(duì)結(jié)構(gòu)模態(tài)參數(shù)的識(shí)別。

圖7　第一階應(yīng)變振型圖Fig.7 The first order strain mode

運(yùn)用ICA方法分別對(duì)完好情況和損傷情況下背水面測(cè)點(diǎn)1#-5#降噪后的數(shù)據(jù)進(jìn)行分析，得到包含模態(tài)振型信息的振型矩陣Φ和包含頻率信息的分離信號(hào)q(t)；對(duì)矩陣Φ中列向量進(jìn)行歸一化處理，得到結(jié)構(gòu)模態(tài)振型，如圖7所示；從q(t)識(shí)別出不同工況下的第一階時(shí)程圖如圖8所示，利用現(xiàn)代功率譜對(duì)圖8的數(shù)據(jù)變換得到結(jié)構(gòu)頻譜圖，如圖9所示。

圖8　第一階時(shí)程圖Fig.8 The first order time history curve

圖9　第一階頻率對(duì)比圖Fig.9 Power spectral density curve comparison

對(duì)比圖7中完好情況和損傷情況第一階振型圖，發(fā)現(xiàn)測(cè)點(diǎn)3處發(fā)生明顯的突變，說(shuō)明該處有損傷發(fā)生，識(shí)別結(jié)果與本試驗(yàn)的工況設(shè)置吻合。另外，對(duì)比圖9中兩工況下的頻率，發(fā)現(xiàn)結(jié)構(gòu)發(fā)生損傷后第一階頻率由6.8 Hz變?yōu)? Hz，表明結(jié)構(gòu)發(fā)生損傷后其頻率會(huì)發(fā)生相應(yīng)的減小，但其對(duì)損傷的敏感度遠(yuǎn)不如應(yīng)變振型。

4結(jié)論

提出一種運(yùn)用小波閾值與ICA聯(lián)合辨識(shí)結(jié)構(gòu)振動(dòng)響應(yīng)模態(tài)參數(shù)，進(jìn)而實(shí)現(xiàn)結(jié)構(gòu)損傷識(shí)別的方法，該方法適用于環(huán)境激勵(lì)難以測(cè)量的工程模態(tài)分析，特別是水流激勵(lì)下的水工結(jié)構(gòu)。應(yīng)用本文方法對(duì)水流環(huán)境激勵(lì)下的懸臂梁模型進(jìn)行試驗(yàn)分析，得到如下結(jié)論：

(1) 該方法充分結(jié)合小波閾值和ICA的優(yōu)點(diǎn)，解決了環(huán)境激勵(lì)下的結(jié)構(gòu)參數(shù)識(shí)別問(wèn)題，特別是情況更復(fù)雜的水流激勵(lì)下水工結(jié)構(gòu)的參數(shù)識(shí)別問(wèn)題。

(2) 根據(jù)應(yīng)變模態(tài)比其他模態(tài)參數(shù)對(duì)損傷有更高敏感度的特點(diǎn)，對(duì)比不同工況下應(yīng)變模態(tài)的差異能夠識(shí)別結(jié)構(gòu)的局部損傷，識(shí)別結(jié)果與設(shè)置的試驗(yàn)工況吻合。

(3) 將ICA引入環(huán)境激勵(lì)下結(jié)構(gòu)模態(tài)參數(shù)辨識(shí)領(lǐng)域，為大型水工結(jié)構(gòu)在水流激勵(lì)下結(jié)構(gòu)的參數(shù)辨識(shí)提取提供了新的思路，為結(jié)構(gòu)的損傷識(shí)別提供依據(jù)，具有很好的應(yīng)用前景。

[ 1 ] 張建偉,李火坤,練繼建，等.基于環(huán)境激勵(lì)的廠房結(jié)構(gòu)損傷診斷與安全評(píng)價(jià)[J].振動(dòng)、測(cè)試與診斷,2012,32(4):670-674.

ZHANG Jian-wei，LI Huo-kun，LIAN Ji-jian, et al. Damage diagnosis and safety evaluation of underground powerhouse under ambient excitation[J].Journal of Vibration , Measurement & Diagnosis, 2012, 32(4): 670-674.

[ 2 ] 張建偉,張翌娜,趙瑜.泄流激勵(lì)下水工結(jié)構(gòu)應(yīng)變模態(tài)參數(shù)時(shí)域辨識(shí)研究[J].水力發(fā)電學(xué)報(bào),2012,31(3):199-203.

ZHANG Jian-wei, ZHANG Yi-na , ZHAO Yu. Study on strain modal parameters identification of hydraulic structure in time domain under discharge excitations[J]. Journal of Hydroelectric Engineering, 2012, 31(3):199-203.

[ 3 ] 張建偉, 康迎賓, 張翌娜,等. 基于泄流響應(yīng)的高拱壩模態(tài)參數(shù)辨識(shí)與動(dòng)態(tài)監(jiān)測(cè)[J]. 振動(dòng)與沖擊, 2010, 29(9):146-150.

ZHANG Jian-wei, KANG Ying-bin, ZHANG Yi-na, et al. Modal parameter identification and dynamic monitoring of high arch dam undervibration response induced by flow discharge[J]. Journal of Vibration and Shock, 2010, 29(9):146-150.

[ 4 ] Kerschen G, Poncelet F, Golinval J C. Physical interpretation of independent component analysis in structural dynamics [J]. Mechanical Systems and Signal Processing,2007,21(4):1561-1575.

[ 5 ] McNeil S. Modal identification using blind source separation techniques [D]. Houston: University of Houston, 2007.

[ 6 ] Donoho D L. De-noising by soft-Thresholding[J]. IEEE Transactions on Information theory,1995,41(3):613-615.

[ 7 ] 李洪,郝豪豪,孫云蓮.具有獨(dú)立分量的經(jīng)驗(yàn)?zāi)B(tài)分解算法研究[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào),2009,41(7): 245-248.

LI Hong, HAO Hao-hao, SUN Yun-lian. Improved algorithm for empiricalmode decomposition with independent elements [J].Journal of Harbin Institute of Technology,2009,41(7):245-248.

[ 8 ] 靜行,劉真真,原方.隨機(jī)激勵(lì)下基于ICA的結(jié)構(gòu)模態(tài)參數(shù)識(shí)別[J].噪聲與振動(dòng)控制, 2014, 34(6):178-183.

JING Hang, LIU Zhen-zhen, YUAN Fang. Structural model parameter identification based onICA under random excitation [J].Noise and Vibration Control, 2014, 34(6):178-183.

[ 9 ] 張曉丹.基于盲源分離技術(shù)的工程結(jié)構(gòu)模態(tài)參數(shù)識(shí)別方法研究[D].北京:北京交通大學(xué),2010.

[10] Box G E P, Jenkins G M, Reinsel G C. Time series analysis, forecasting and control[M].Englewood Clifs, NJ, Prentice Hall,1994.

[11] 張建偉，江琦，趙瑜，等.一種適用于泄流結(jié)構(gòu)振動(dòng)分析的信號(hào)降噪方法[J].振動(dòng)與沖擊, 2015, 34(20): 179- 184.

ZHANG Jian-wei, JIANG Qi, ZHAO Yu, et al. De-noising method for vibration signal of flood discharge structure[J].Journal of Vibration and Shock, 2015 ,34(20): 179-184.

[12] 崔擁軍，熊曉燕，王峰. 應(yīng)變模態(tài)參數(shù)曲線的結(jié)構(gòu)損傷位置及程度研究[J]. 機(jī)械設(shè)計(jì)與制造,2013,8:85-87.

CUI Yong-jun， XIONG Xiao-yan， WANG Feng. Study of damage location and degree of structural strain modal parameter curve [J]. Machinery Design & Manufacture,2013,8:85-87.

Application of a combined technique of wavelet and ICA in strain damage identification of hydraulic structures

ZHANG Jian-wei, BAO Zhen-lei, JIANG Qi

(School of Water Resources, North China University of Water Resources and Electric Power, Zhengzhou 450045, China)

Aiming at the problem that modal parameters of a structure under environmental are identified difficultly, a combined technique of wavelet threshold and independent component analysis (ICA) modal parameter identification method of hydraulic structures was proposed. Firstly, a part of noise was filtered out with the wavelet threshold to reduce environmental excitation interferences to independence of each response component and make them meet the ICA separation assumption. Then structural modal parameters were identified by using ICA. The damage identification of a hydraulic structure was realized through comparing its strain modal parameters under different working conditions. This method was used in a cantilevered beam model test under water current excitation. The results showed that the combined technique of wavelet threshold and ICA can effectively identify modal parameters of a hydraulic structure; the difference of strain modal parameters can be used to identify if there is a damage in a structure; this proposed method can effectively solve the problem of modal parameter identification for large hydraulic structures under environmental excitation. The results provided a reference for safe operation and on-line monitoring of structures.

ambient excitation; hydraulic structure; wavelet analysis; independent component analysis (ICA); damage identification

10.13465/j.cnki.jvs.2016.11.028

國(guó)家自然科學(xué)基金(51009066)；河南省高等學(xué)校青年骨干教師資助計(jì)劃(2012GGJS-101)；河南省科技攻關(guān)(142102310122;142300410177;132102310320)

2015-07-30修改稿收到日期：2015-12-02

張建偉 男，博士，1979年生

TV31

A