基于RPCA分解与微分损伤指标的结构全场响应损伤定位方法

《Applied Sciences》:Structural Damage Localization via RPCA-Based Decomposition of Full-Field Responses with a Differential Damage Index

【字体: 大 中 小 】 时间:2026年07月01日 来源:Applied Sciences 2.5

编辑推荐:

  本研究针对复杂环境与噪声条件下,从结构全场响应中分离局部损伤信息的挑战,提出了一种融合分段去噪(piecewise denoising)、鲁棒主成分分析(RPCA)及微分损伤指标(differential damage index)的结构损伤定位方法。首先,对

  
本研究针对复杂环境与噪声条件下,从结构全场响应中分离局部损伤信息的挑战,提出了一种融合分段去噪(piecewise denoising)、鲁棒主成分分析(RPCA)及微分损伤指标(differential damage index)的结构损伤定位方法。首先,对基于视觉测量获取的全场响应进行分段去噪与连续位移提取,并将其组织为结构时空响应矩阵;随后,采用RPCA将低秩全局响应分量与稀疏局部异常分量分离,通过健康状态与损伤状态下稀疏分量统计特征的差异构建损伤指标。简支梁移动荷载试验表明,损伤区域内损伤指标(DI)峰值约为非损伤背景水平的28倍,且识别的DI峰值准确落在实际损伤区域内。与均方根(RMS)、峰度(kurtosis)、曲率指标(curvature index)、小波能量(wavelet energy)、主成分分析(PCA)残差及RPCA稀疏能量等指标相比,所提方法是唯一实现零区域定位误差的方法。在40–20 dB噪声水平下,30次重复试验均达到100%定位成功率,即使在10 dB条件下成功率仍保持93.33%。此外,当λ/λ0在0.50至1.50范围内变化时,定位结果保持稳定;当空间测量点数从3401缩减至128时,方法仍保持零均值定位误差和100%定位成功率。这些结果表明,分段去噪、RPCA分解与状态差异增强之间的协同作用能够有效凸显损伤诱导的局部异常,为基于全场响应的结构损伤定位提供了稳健且物理可解释的框架。
## 一、研究背景与问题提出

基础设施在长期服役过程中,其性能受环境荷载、材料劣化及局部损伤的共同影响而逐渐演化,准确获取结构状态信息对安全评估与预警至关重要。结构位移与振动等响应量是反映整体刚度与应力状态变化的关键物理量,已成为结构健康监测(SHM)的核心观测指标。传统点式传感器虽能提供高精度的局部测量,但在空间覆盖范围、部署成本及复杂结构适应性方面存在固有限制。近年来,计算机视觉与全场测量技术的进步推动了基于视觉的非接触式结构响应测量方法的广泛应用,这类方法无需密集布置传感器即可同步获取结构全场响应,为结构状态评估与损伤识别提供了更丰富的空间信息。

然而,工程实际中结构响应通常由多源叠加信号构成:包括受整体结构动力学支配的全局响应分量,以及由局部损伤或异常引起的微弱扰动分量。这些分量在时空中强耦合,导致损伤相关特征被主导性背景响应所掩盖,难以直接从原始响应数据中分离识别。这一困难因环境噪声、测量误差及工况变异性而进一步加剧,传统基于特征或统计的方法在损伤敏感性和空间分辨率方面受到严重制约。

为应对上述挑战,研究团队从全位置场响应的数据结构出发,提出了一种基于低秩-稀疏分解与稀疏特征差异增强的结构损伤定位方法。该方法旨在不依赖复杂结构模型的前提下,有效分离全局结构响应与局部异常扰动,并构建具有高对比度和强鲁棒性的损伤指标,以解决复杂环境下全场响应数据中的损伤定位难题。相关成果发表于《Applied Sciences》。

## 二、关键技术方法

研究采用视觉测量系统采集结构响应视频,经分段去噪与连续边缘特征提取获取沿梁全长空间连续的全场位移时空响应矩阵。样本为实验室简支梁模型,在距梁端约1/3跨距处预设局部损伤区域(对应测量点41–43),通过牵引装置驱动载重小车以0.19 m/s匀速移动模拟移动荷载激励,每种工况重复10次试验。

核心技术方法包括:(1)基于分段去噪与连续边缘跟踪的视觉全场位移提取,将原始视频转化为时空响应矩阵;(2)采用鲁棒主成分分析(RPCA)对健康状态和损伤状态的全场响应矩阵分别进行低秩-稀疏分解,分离全局响应分量L与局部异常分量S;(3)提取健康/损伤状态下各空间点稀疏分量沿时程的标准差统计特征,通过状态间差异构建归一化微分损伤指标DI,并映射至结构空间坐标实现损伤定位。

## 三、研究结果

**RPCA响应分解有效性验证**:研究首先验证了RPCA分解对全场响应的分离效果。原始响应矩阵X经分解后,低秩分量L呈现明显的平滑结构,具有良好的空间连续性和一致的时程演化趋势,有效捕捉了结构全局响应行为;稀疏分量S整体幅值较低,大部分区域接近零值,仅在局部区域显著增强,尤其在实际损伤区域(空间点41–43)出现清晰的局部集中高响应。在代表性测点(第43点),稀疏分量最大绝对值仅为原始信号最大值的5.6%,而原始信号与重构信号L+S几乎完全重合,最大绝对重构误差约10-5量级,表明RPCA求解具有良好的数值稳定性。

**损伤定位与指标分析**:对比健康与损伤状态下各空间点稀疏分量标准差std(S)的分布,两状态下整体趋势基本一致且存在随机波动,损伤区域虽可见局部增幅,但对比度不足。采用微分策略后,微分损伤指标DI在大部分空间位置接近零值,仅在损伤区域形成显著的正峰,峰值DId≈4.6,而非损伤区域平均背景水平为0.165,二者相差约28倍。DI峰值出现在第41个空间点,准确落入实际损伤区域(41–43点),定位误差为零。

**噪声鲁棒性与对比分析**:研究添加高斯白噪声模拟信噪比40 dB、30 dB、20 dB及10 dB条件,各进行30次独立噪声试验。结果表明:40–20 dB条件下,30次重复试验的均值定位误差均为零,定位成功率100%;10 dB条件下,均值定位误差约1.07个空间点,定位成功率仍达93.33%。与RMS、峰度、曲率指标、小波能量、PCA残差及RPCA稀疏能量等6种基准方法对比,所提方法是唯一实现零区域定位误差的方法,RMS、峰度、曲率指标、小波能量、PCA残差及RPCA稀疏能量的定位误差分别为7、20、6、3、4、2个空间点。

**RPCA正则化参数与空间采样灵敏度分析**:当正则化参数λ/λ0在0.50–1.50范围变化时,五种参数设置下峰值位置均落入实际损伤区域,定位误差均为零,峰背比维持在35.8–41.2之间。在空间采样密度方面,将空间点数从3401依次降至2048、1024、512、256、128,30次重复试验的均值定位误差均为零,定位成功率保持100%;进一步降至64点时,均值定位误差增至跨度的1.10%,成功率降至76.7%;降至32点时,均值定位误差达跨度的5.20%,成功率降至36.7%。128个空间测量点可视为平衡数据压缩与稳定定位的合理下限。

## 四、讨论与结论

研究结论部分指出,该研究针对复杂背景与噪声条件下局部损伤信息被全局结构响应掩盖的难题,提出了基于视觉全场响应、RPCA低秩-稀疏分解及状态差异增强的结构损伤定位方法。研究通过分段去噪与连续全场位移提取获取稳定时空响应数据,采用RPCA分离全局响应与局部异常,并通过健康与损伤状态下稀疏分量统计特征的差异构建微分损伤指标。试验结果表明:所提全场响应低秩-稀疏分解框架有效分离了全局结构响应与局部异常,低秩分量保留了结构响应的整体演化趋势,稀疏分量在实际损伤区域呈现明显的局部增强;基于稀疏分量统计特征的微分损伤指标显著提升了损伤区域的空间对比度和定位精度,损伤区域DI峰值约为非损伤区域背景水平的28倍,实现零定位误差,且是唯一达到零区域定位误差的方法;噪声鲁棒性测试、参数灵敏度分析及空间采样灵敏度分析进一步验证了方法的稳定性。

研究人员强调,该方法的创新性并非在于单独使用RPCA或将其简单应用于全场响应数据,而在于建立了一个面向视觉全场响应的完整分解-识别框架:以空间连续的全场位移响应为输入,将时空矩阵建模、低秩-稀疏分解、稀疏分量统计特征提取与健康/损伤状态差异增强进行整合,将损伤定位从直接的稀疏异常检测转化为基于稀疏特征损伤诱导变化的增强式识别。该方法无需依赖复杂结构模型或大量标注样本,在损伤特征对比度、定位精度、噪声鲁棒性和参数适应性方面表现优异,为全场测量驱动的结构损伤筛查和区域定位提供了物理可解释的框架。

同时,研究人员也指出了当前研究的局限性:试验验证仅限于单一局部损伤场景和实验室尺度的简支梁模型;当前结论主要适用于损伤区域识别,尚未建立DI特征与裂缝深度、损伤面积或局部刚度折减等物理量之间的定量关系;所提DI需基于健康点的健康状态基线,其无基线扩展仍有待进一步研究;RPCA分解依赖于全局响应近似低秩、局部异常相对稀疏的假设,其在复杂环境变化、强非线性响应、多损伤场景或空间分布损伤条件下的适用性尚需进一步验证。未来工作将涉及不同损伤程度、多损伤位置及复杂工况的试验,探究DI特征与物理损伤程度的关系,并结合结构先验信息、机器学习及物理信息方法进一步扩展至损伤量化和复杂工程结构的状态评估。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号