龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆大学
摘要：本发明属于建筑结构损伤识别技术领域，具体涉及基于统计矩理论和MH‑GIBBS混合采样贝叶斯算法的损伤识别方法。本发明基于统计矩理论，通过融合位移四阶统计矩和加速度八阶统计矩作为损伤指标，结合贝叶斯MH‑Gibbs混合采样算法，提出一种仅通过单次采样即可进行结构损伤识别的新方法。
主权项：1.基于统计矩理论和MH-GIBBS混合采样贝叶斯算法的损伤识别方法，其特征在于：包括以下步骤：步骤一：基于位移四阶矩和加速度八阶矩无模型算法识别结构损伤位置；步骤二：基于位移四阶矩和加速度八阶矩有模型算法识别结构损伤程度；所述的步骤一具体为：1在结构不同区域平面同一竖向位置布置加速度传感器，定期同步采集不同区域的加速度时程信号；2分析提取一阶频率下的各区域加速度信号和位移信号，并在一定范围的频段内进行滤波；3利用定期采集滤波后的加速度信号，求解出位移四阶矩和加速度八阶矩，比较结构有损状态统计矩Md和无损状态统计矩Mu，将所有统计矩指标变化的均值与1.645倍标准差的和作为基准值，当基准值小于某处统计矩变化指标时，认定该处结构区域损伤；所述的统计矩变化指标为所述的步骤二具体为：4计算实测数据统计矩，组成M向量；5给定初始值向量θi无损，θi＝1,1,...,1n，i＝0，n表示有限元单元变量的个数，代入模型计算各对应测点的统计矩，组成Mθi向量；6根据当前θi值，针对第1～3步已识别出的损伤位置的单元，依据所选的建议分布qθi+1,θi，产生一个候选样本θi+1，代入模型计算统计矩，构成Mθi+1向量；7计算接受概率函数8在0,1均匀分布随机生成一个u，判断9重复步骤6～8，直至达到设定迭代次数，构成θ链；10利用平稳期所有样本数据估计待修正参数θ的均值，即为结构损伤程度。
全文数据：
权利要求：
百度查询： 重庆大学 基于统计矩理论和MH-GIBBS混合采样贝叶斯算法的损伤识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号