基于低阶特征值的结构分散化损伤识别与整体状态评估

基于时间序列与主成分分析的结构损伤识别朱旭，逯静洲，徐娜，陈林（烟台大学土木工程学院，山东 烟台 264005）摘要：本文提出一种基于AR 模型均方根误差主成分分析的结构损伤识别方法。

首先利用检测数据建立AR 模型，求得模型的均方根误差。

然后，采用主成分分析的方法获得主成分载荷矩阵，将此矩阵经过数据标准化处理得到结构损伤特征指标。

通过比较结构不同状态下传感器获得的损伤特性指标，进行损伤定位。

最后，基于美国Los Alamos 实验室三层框架结构模型的损伤实验数据，利用本文方法和基于AR 模型系数损伤定位的方法对该结构各种损伤状况进行识别。

两种方法的对比研究表明采用本文的方法，通过主成分分析排除外界干扰因素，减少运算量，具有更高的损伤识别精度。

关键词：损伤识别；框架结构；时间序列；主成分分析；AR 模型 中图分类号：TU311.3 文献标志码：A基金项目：国家自然科学基金项目（10872178）；山东省自然科学基金（Q2007F04）。

作者简介：朱旭(1987-)，男，山东济宁人，硕士,研究方向：混凝土结构基本理论；通讯联系人：逯静洲(lujingzhou@ )，教授，博士。

1 引言随着传感技术、信号采集与处理以及系统建模等技术的发展，国内外基于振动信息的结构损伤诊断识别方法也取得了很大进展。

S.W. Doebling ，Sohn 等[1-2]对近年来基于振动测试的结构损伤识别方法在结构健康监测领域内的发展作了详细介绍。

欧进萍等[3]对于基于振动信息的损伤识别方法进行了综述,其中包含了基于结构固有频率、振型、模态应变能、柔度、频响函数以及动态残余向量等方法。

逯静洲，B.F.Spencer Jr 等[4]采用应变能作为损伤识别指标，研究了DLV 方法在二维平面薄板结构损伤检测中的应用。

基于时间序列分析的损伤识别方法以其对结构小损伤敏感性强，可降噪等方面的优势，被众多研究者认为是一类有前景的研究方法[5]。

第五章29.如何理解景观的稳定性？景观亚稳定模型有何意义？①对景观稳定性的认识多借用生态系统稳定性的概念，把景观稳定性表达为抗性、持续性、惰性、弹性等多种概念。

②生态系统稳定性包括了两方面的含义：一是系统保持其原有状态的能力，即抗干扰的能力；二是系统受到干扰后回归原有状态的能力，即受干扰后的恢复能力。

③需表现景观稳定性的各个术语，仅能反映景观稳定性的某一方面的特征，并不能对景观的稳定性做出全面评价。

意义：此模型有助于理解亚稳定性和稳定性的本质，但更适合于描述物理系统，不能充分反映出具有光合作用，植物，异质性结构及反馈机制的生态系统的稳定性特征。

30.物种共存对景观稳定性有何意义？物种共存格局是景观稳定性的生态机制。

31.试将景观变化的驱动力与物理系统变化的驱动力作一比较。

景观格局变化的驱动力主要来源于非生物的、生物的和人为的因素；其中，非生物的和认为的因素在一系列尺度上均起作用，而生物因素通常只在较小的尺度上称为格局的驱动力。

物理系统变化驱动力：。

自然因素比较多吧？书上都没有。

32.为什么需要建立景观变化模型？重要性和必要性的体现：充分利用和推广有限数据；模拟时、空间相同或相似的景观；理解和预测动态现象；综合不同时、空间上的信息。

33.生态学范式为什么要发生变迁？它是如何进行变迁的？为什么：。

这个范式挺重要的，估计要与时俱进所以要变迁。

如何：基于对生态学中已有范式和理论的分析和归纳，生态学中正在经历着又一次范式变迁。

这一新范式是以斑块动态理论和等级理论的高度综合为特征的，这就是等级斑块动态理论。

34.如何理解干扰？它对景观的影响是正面还是负面的？为什么？①生态学干扰是指发生在一定地理位置上，对生态系统结构造成直接损伤的，非连续性的物理时间或作用②在对生态系统结构造成直接破坏的同时，干扰也可直接影响生态系统的功能。

③生态学干扰由3个方面构成：系统、事件和尺度域。

正面负面看情况，因为干扰对于景观格局的影响不仅仅表现在干扰导致的空间异质性，还表现在干扰导致的物理环境的变化、干扰残留物质的不同，这些因素均会对后来的景观演替和新形成景观的类型和格局产生影响。

目前视频质量得评价算法主要有2种,主观评价法与客观评价法。

根据各算法所引用得源素材多少,可把视频质量客观评价分为3类:全参考评价体系、部分参考评价体系、无参考评价体系。

全参考评价体系:要求占有完整得源素材信息,就是目前客观评价3大体系中发展较为成熟得部分,其现状代表当前客观评价技术得最高水平。

1、基于全像素失真统计得评价方法:以统计理论为基础,逐帧、逐像素比较参考源与测试源得数据差异。

通过获得原数据与待测数据间得总体误码累计,体现像素噪声层面上得绝对误码率,从而反映视频质量。

该类评价方法能敏感捕获两端视频在像素层面上得细微失真,具有很高得敏感性。

此为,其数学方法简单,物理含义清晰,就是目前应用最广泛得评价方法。

但它们都就是从整体上反映原始图像与恢复图像像素层面上得差别,其评价机制无法体现出视频图像数据所承载得不同于一般数据得内容信息,常造成评价结果与主观感受相偏离,并不能较好满足客观评价得应用需求。

该类评价方法得主要代表有:PSNR与MSE等。

其中,与,分别为原始与重建图像中对应得像素值,N2为N×N图像得总像素数。

其中MN为图像大小,与分别代表原始图像与失真图像在点(m,n)处得像素值。

图为PSNR模型进行客观评价得程序流程图。

2.基于人眼视觉系统(HVS)得评价方法。

人眼自身得“生理特点”与人关注内容得“心理特点”都对绝对误码效果产生不同程度得掩蔽效果,使得图像质量好坏得理解并不仅仅依赖绝对误码损耗。

当前,基于HVS得评价方法主要可划分成以下2类主流算法模型:“基于视觉感知得算法模型”与“基于视觉兴趣加权得算法模型”。

2、1 基于视觉感知得算法模型。

人眼“生理特性”主要有:视觉非线性(Weber定律)、视觉灵敏度差异、视觉多通道与掩盖效应等。

利用这些特性,通过模拟视觉感知,将绝对差值映射成能被人眼觉察得JND(Just noticeable difference)单位。

如差错高于视觉得敏感门限,则表示所产生得绝对误码可被察觉;否则差错不足以引起人眼感知,可忽略不计。