Incipient Buckling Detection Using Nonlinear System Identification Algorithms: A Comparative Study

Raymond Andrew Swartz

doi:10.1155/stc/5072566

2026-09-11

Raymond Andrew Swartz *

Padmanabh Shridhar Desai

DOI：10.1155/stc/5072566

原文链接

查看原文

摘要

En 中文

结构健康监测通过检测和表征损伤来预测失效，但缺乏损伤迹象的失效（如屈曲）更难检测。直接荷载测量成本高昂且复杂，尤其是对于需要大量传感器和数据采集硬件的静荷载。基于振动的检测是一种良好替代方案，因为它可用较少传感器推断全局结构特性。本文提出了一种结构健康监测方法，用于检测结构因超载条件导致的初始屈曲。利用商业软件平台（如MATLAB）和其他开源工具箱中现有的非线性建模算法，使该方法可能被从业者采用。所提方法试图从低阶系统识别模型的线性拟合全局振动信号（在低水平环境振动下测量）中推断初始屈曲行为。本概念验证研究探讨了三种广泛可用的非线性系统识别模型：（1）带有小波函数的外部输入非线性自回归（NLARX）算法，（2）带有树集成（Tree Ensembles）的NLARX算法，（3）用于检测初始屈曲的物理信息动力学模态分解。合成环境振动数据来自具有不同重力荷载的小尺度框架结构数值模型，通过P-Δ效应和大位移效应引入非线性。对于此概念验证，变量控制至关重要，使用仿真数据可禁用材料非线性和连接滑移效应，以证明非线性系统识别对屈曲预警的可行性。后续研究计划使用物理模型验证结果。选择输出非线性分量的范数作为特征，并与增量荷载（直至初始屈曲荷载）下的特征进行比较。还考察了尺度问题、未测量扰动的影响和未识别传感器噪声，以突出所提方法在激励尺度方面的局限性。