Bayesian system identification of bridges subjected to normal and extreme loads

承受正常和极端荷载的桥梁的贝叶斯系统识别

基本信息

批准号：
17F17371
负责人：
金哲佑
金额：
$ 1.54万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2017
资助国家：
日本
起止时间：
2017-11-10 至 2021-03-31
项目状态：
已结题

项目摘要

令和1年度は，初年度の研究で検討されるベイズ高速フーリエ変換（Bayesian Fast Fourier Transform）によるベイズ実働モード解析法に基づき，2段階の異常検知法の構築を行った．具体的に，ベイズ高速フーリエ変換を行い，モードパラメータの最確値（MPV）と共分散行列を計算し，モードパラメータの事後確率分布を推定し，健全時のモードパラメータの事後確率分布と現在モニタリングした振動データから求めたモードパラメータの事後確率分布の比であるベイズファクター（Bayes Factor）を求め，異常検知の指標とする2段階のベイズ異常検知法の構築を行った．シミュレーションデータおよびASCE（米国土木学会）のラーメン構造物のベンチマークテストデータを用いて，2段階のベイズ異常検知法の妥当性の検証を行った．長期モニタリングへの適用についても検討を行なった．すなわち，2段階ベイズ構造同定法に季節変動による同定振動数の変動をどのように正規化するかについて研究し，最適なデータ正規化法を構築する．データ正規化については，一般的な線形回帰のみではなく非線形回帰や逐次正規化できる方法についても検討を行なっている．ベイズ高速フーリエ変換を常時微動を用いた鉄道橋の洗堀検知にも適用し，観察対象の振動数帯域が明確な動態観察には有効であることも確認した．関連成果を，オーストラリアブリスベンで開催されたEASEC16にて「Damage detection based on Bayesian factor using ambient vibration data」と「Scour detection of railway bridges by microtremor monitoring」の題で発表を行なった．

在2020财年，我们构建了基于使用贝叶斯快速傅里叶变换的贝叶斯主动模式分析方法的两阶段异常检测方法，并在第一年的研究中进行了研究。具体来说，我们进行了贝叶斯快速傅立叶变换，计算了模态参数的最大概率值（MPV）和协方差矩阵，估计了模态参数的后验概率分布，并计算了健康状态下模态参数的后验概率分布我们通过确定贝叶斯因子（从振动数据获得的模式参数的后验概率分布的比率）构建了两步贝叶斯异常检测方法，并将其用作异常的指标。检测。我们利用仿真数据和ASCE（美国土木工程师协会）刚性框架结构基准测试数据验证了两步贝叶斯异常检测方法的有效性。我们还研究了该方法在长期监测中的应用。也就是说，我们将研究如何对两步贝叶斯结构识别方法中因季节变化而导致的识别频率波动进行归一化，并构建最优的数据归一化方法。关于数据标准化，我们不仅考虑一般线性回归，还考虑非线性回归和支持顺序标准化的方法。我们还将贝叶斯快速傅立叶变换应用于使用恒定微震检测铁路桥梁上的冲刷，并证实其对于具有清晰频带的动态观测是有效的。相关结果在澳大利亚布里斯班举行的 EASEC16 会议上发表，标题为“使用环境振动数据基于贝叶斯因子的损伤检测”和“通过微震监测对铁路桥梁进行冲刷检测”。