(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111488320.2 (22)申请日 2021.12.07 (71)申请人 中铁五局集团建 筑工程有限责任公 司 地址 550000 贵州省贵阳市南明区八达巷 15号 申请人 中铁五局集团有限公司 　 哈尔滨工业大 学 （深圳） (72)发明人 张凤亮　刘洋　翦凝敏　谷东锴　 石磊　董浩　丁习斌　李坤林　 陈熙　吴边　韦骄原　樊志标　 罗成　敖凌宇　杨波　王璐　李颖　 华建成　 (74)专利代理 机构 贵州派腾知识产权代理有限 公司 521 14 专利代理师 唐斌(51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 7/00(2006.01) G06F 111/08(2020.01) (54)发明名称 基于基准贝叶斯原理与稀疏正则化的结构 损伤识别方法 (57)摘要 本发明公开了一种基于基准贝叶斯原理与 稀疏正则化的结构损伤识别方法， 包括对结构 进 行环境振动测试， 采集加速度信号数据； 对采集 信号进行快速贝叶斯FFT模态识别， 获得结构实 测模态信息； 建立有限元模型， 参数化刚度矩阵； 基于基准贝叶斯原理与稀疏正则化构建损伤识 别目标函数； 设置正则化参数选取范围和迭代步 长， 对其中任一正则化参数采用群体智能优化算 法求解目标函数； 基于DP准则选取正则化参数， 求解得到最优 结构参数。 本发明根据基准贝叶斯 原理及稀疏正则化技术建立了实测模态参数与 根据有限元模型计算的理论模态参数之间的拟 合函数(即损伤识别目标函数)， 并采用智能优化 算法求解最优的结构参数， 实现了结构损伤的定 位与量化。 权利要求书2页 说明书12页 附图6页 CN 114896712 A 2022.08.12 CN 114896712 A 1.一种基于基准贝叶斯原理的结构损伤识别方法， 其特征在于包括： 对结构进行环境 振动测试， 采集加速度信号数据； 对采集信号进行快速贝叶斯FFT模态识别， 获得结构实测 模态信息； 建立有限元模型， 参数化刚度矩阵； 基于基准贝叶斯原理构建损伤识别目标函 数； 采用群 体智能优化 算法求解目标函数。 2.根据权利要求1所述基于基准贝叶斯原理的结构损伤识别方法， 其特征在于具体步 骤为： A.在待识别的结构上布置加速度传感器， 进行环境激励条件下的振动测试， 获得结构 的振动信号 B.根据采集得到的结构加速度信号 进行快速贝叶斯 FFT模态识别， 获得结构的实测模 态信息 包括实测固有频率 和阵型 及相应的后验协方差矩阵 其中i表示模态 的阶数； C.建立结构的有限元模型， 根据有限元模型计算得到结构的计算模态信息 包 括计算固有频率 和阵型 其中i表示模态的阶数； D.基于基准贝叶斯原理， 结 合结构模态信息， 建立实测模态参数与根据有限元模型计算的理论模态参数之 间的拟合函 数， 即构建损伤 识别目标函数； 所述目标函数为： E.采用智能群 体优化算法求解目标函数， 实现结构损伤的定位与量 化。 3.根据权利要求2所述基于基准贝叶斯原理的结构损伤识别方法， 其特征在于步骤B： 设结构振动测试采集的加速度信号为 (其中n表示采集信号的通道数， N为每个通道采集信号的样本数量)。 对 进行快速傅里叶变换， 表达式为： 假设 为模态参数合集， 其中f为模态频率， 为阻尼比， Sij为模态激励 的互功率谱密度， σ2为预测误差的功率谱密度， Φ为阵型； α 的后验分布可表示 为 α 的后验分布p( α |{Zk})可改写为： 式中 为后验协方差矩阵。 4.根据权利要求2所述基于基准贝叶斯原理的结构损伤识别方法， 其特征在于步骤E： 采用的智能群体优化算法为 Jaya算法， 通过不断逼近 当前最优解并避免当前最差解达到全 局寻优的目标， 基本程序包括种群初始化、 局部 搜寻策略及贪心选择机制三部分。 5.一种基于基准贝叶斯原理与稀疏正则化的结构损伤识别方法， 其特征在于包括： 对 结构进行环境振动测试， 采集加速度信号数据； 对采集信号进行快速贝叶斯FFT模态识别， 获得结构实测模态信息； 建立有限元模 型， 参数化刚度 矩阵； 基于基准贝叶斯原理与稀疏正 则化构建损伤识别目标函数； 设置正则化参数选取范围和迭代步长， 对其中任一正则化参权　利　要　求　书 1/2 页 2 CN 114896712 A 2数采用群体智能优化算法求解目标函数； 基于DP准则选取正则化参数， 求解得到最优结构 参数。 6.根据权利要求5所述基于基准贝叶斯原理与稀疏正则化的结构损伤识别方法， 其特 征在于具体步骤为： A.在待识别的结构上布置加速度传感器， 进行环境激励条件下的振动测试， 获得结构 的振动信号 B.根据采集得到的结构加速度信号 进行快速贝叶斯 FFT模态识别， 获得结构的实测模 态信息 包括实测固有频率 和阵型 及相应的后验协方差矩阵 其中i表示模态 的阶数； C.建立结构的有限元模型， 根据有限元模型计算得到结构的计算模态信息 包 括计算固有频率 和阵型 其中i表示模态的阶数； D.基于基准贝叶斯原理与稀 疏正则化技术， 结合结构模态信息， 建立实测模态参数与根据有限元模型计算的理论模态 参数之间的拟合 函数， 即构建损伤 识别目标函数； 所述目标函数为： E.确定正则化参数选取范围， 设置合理步长， 对取值范围内每一个正则化参数采用智 能群体优化算法求解目标函数； 实现结构损伤的定位与量 化。 7.根据权利要求6所述基于基准贝叶斯原理与稀疏正则化的结构损伤识别方法， 其特 征在于步骤E： 基于DP准则选取合适的正则化参数λ， 得到最优的结构损伤 参数， 实现结构损 伤的定位与量 化。 8.根据权利要求7所述基于基准贝叶斯原理与稀疏正则化的结构损伤识别方法， 其特 征在于步骤E： 根据经验确定正则化参数选取范围[a， a+nΔ ]， 设置合理步长Δ， 对 取值范围 内每一个正则化参数λi＝a+iΔ(其中i＝0， 1， ...， n)采用智能群体优化算法求解目标函 数。 9.根据权利要求8所述基于基准贝叶斯原理与稀疏正则化的结构损伤识别方法， 其特 征在于步骤E： 采用的智能群体优化算法为Jaya算法， 包括种群初始化、 局部搜寻策 略及贪 心选择机制三部分， 算法开始 时会在解空间内随机生成一个初始种群， 初始种群生成后将 通过局部搜寻策略更新每个个体， 不断靠近当前最优解并远离当前最差解， 在种群中的全 部个体均更新 生成子代后， 采用贪心选择 策略决定进入下一次迭代的个 体。 10.根据权利要求1 ‑9任一项所述的结构损伤识别方法， 其特征在于： 基于基准贝叶斯 原理构建损伤识别目标函数时分为两个阶段进行识别， 在阶段一中， 首先识别模态特性， 即 固有频率、 阻尼比、 振型等， 然后利用它 们的识别结果对第二阶段的结构参数进行识别。权　利　要　求　书 2/2 页 3 CN 114896712 A 3