结合逆非线性主成分分析和极值理论的桥梁损伤检测.pdfVIP

第52卷第3期福州大学学报（自然科学版）Vol.52No.3

2024年6月JournalofFuzhouUniversity(NaturalScienceEdition)Jun.2024

D0I:10.7631/issn.1000-2243.23174

结合逆非线性主成分分析和极值理论的桥梁损伤检测

刘迅，卓卫东，林楷奇

（福州大学土木工程学院，福建福州350108）

摘要：为提高环境和运营变化（environmentalandoperationalvariations，EOV)影响下的桥梁损伤检测可靠性，结

合逆非线性主成分分析(inversenonlinearprincipalcomponentanalysis，INLPCA）和极值理论，提出一种新的桥梁

损伤检测方法.该方法采用INLPCA对桥梁损伤特征进行建模，利用不完备健康监测数据的估计均方误差和添

加神经网络训练惩罚项控制INLPCA的非线性程度.采用INLPCA对损伤特征的重构误差和马氏平方距离

（Mahalanobissquareddistance，MSD）建立损伤指标（Ip），最后基于I，的广义极值（generalizedextremevalue，

GEV)分布建立损伤检测阈值.以比利时KW51铁路桥和天津永和斜拉桥为例，验证所提方法的有效性.结果表

明，所提方法能准确检测EOV影响下的桥梁损伤，且对不同桥型和不同损伤特征均有良好的适用性.

关键词：桥梁结构；损伤检测；健康监测；环境和运营变化（EVO）；逆非线性主成分分析（INLPCA）；极值理论

中图分类号：U448.27文献标识码：A

BridgedamagedetectionbasedonINLPCAandextremevaluetheory

LIUXun,ZHUOWeidong,LINKaiqi

(CollegeofCivilEngineering,FuzhouUniversity,Fuzhou,Fujian350108,China)

Abstract:Toimprovethereliabilityofbridgedamagedetectionundertheinfluenceofenvironmental

andoperationalvariations(EOV),anewbridgedamagedetectionmethodisproposedbycombining

inversenonlinearprincipalcomponentanalysis(INLPCA)andextremevaluetheory.Thismethoduses

INLPCAtomodelthedamagefeaturesofbridges.Theestimationmeansquareerrorofincomplete

healthmonitoringdataandtheadditionofneuralnetworktrainingpenaltytermsareusedtoadjustthe

nonlinearityofINLPCA.Damageindicator(I)isestablishedusingINLPCAreconstructionerrorof

damagefeaturesandMahalanobissquareddistance(MSD).Finally,adamagedetectionthresholdis

establishedbasedonthegeneralizedextremevalue(