基于Kalman-GARCH模型的结构损伤识别

作者：周建庭; 李晓庆; 辛景舟^*; 阳珊清; 周应新

来源：振动与冲击, 2020, 39(06): 1-21.

DOI：10.13465/j.cnki.jvs.2020.06.001

• 桥梁结构
• 损伤识别
• Kalman滤波
• 时间序列
• 广义自回归条件异方差(GARCH)

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。

• 单位
  重庆交通大学; 土木工程学院