土木工程系統(tǒng)辨識統(tǒng)計方法的現(xiàn)狀與展望

李煒明， 董 莪，朱宏平

(1.武漢工業(yè)學院 土木工程與建筑學院，武漢 430023;2.華中科技大學 土木工程與力學學院，武漢 430074;3.長沙理工大學 橋梁工程湖南省普通高等學校重點實驗室，長沙 410004)

Wilson在結(jié)構(gòu)分析的權(quán)威著作中［1］，引用了如下不知名作者的闡述為序:“結(jié)構(gòu)工程是這樣一種藝術(shù):使用材料，這些材料屬性只能估算;建立真實的結(jié)構(gòu)，這些真實的結(jié)構(gòu)只能近似分析;來承受外力，這些力不能準確得知;以滿足我們對公眾安全職責的要求”。也就是說，結(jié)構(gòu)工程至少存在材料、結(jié)構(gòu)體系與荷載三重隨機屬性，難以對結(jié)構(gòu)進行確定性的描述，需要探索與發(fā)展新的理論或者方法(而使結(jié)構(gòu)工程不再只是一種“藝術(shù)”);這種探索與發(fā)展，雖受到國內(nèi)外知名研究團隊的持續(xù)關(guān)注(詳見后文闡述)，但仍處于起步階段。

另一方面，二十世紀九十年代以來，科學技術(shù)迅猛發(fā)展，學科交叉日益顯著;其中，統(tǒng)計理論與方法備受關(guān)注，不僅融合到了工學、醫(yī)學、農(nóng)學等自然科學的多個學科，也與法律、歷史、語言等社會科學的多個學科開始密切結(jié)合，并形成了統(tǒng)計物理、生物統(tǒng)計等重要學科分支前沿，已成為學科發(fā)展的重要趨勢之一。對于土木工程這一傳統(tǒng)學科，統(tǒng)計理論與方法的引入與應(yīng)用，雖尚在起步但應(yīng)極富潛力。

引入統(tǒng)計方法進行土木工程結(jié)構(gòu)系統(tǒng)辨識的研究，在理論上有著內(nèi)在的邏輯必然性。雖然機械、航空以及航天領(lǐng)域面向健康監(jiān)測和損傷檢測的系統(tǒng)辨識方法，為土木領(lǐng)域提供了良好的借鑒基礎(chǔ)，不過土木工程具備自身的特點，在引入其他領(lǐng)域的辨識方法的過程中，存在諸多限制。如以某大型結(jié)構(gòu)為例:

(1)內(nèi)在的材料離散性:土木工程結(jié)構(gòu)的混凝土、鋼筋混凝土結(jié)構(gòu)相對于鋼結(jié)構(gòu)而言，材料內(nèi)部的非均勻性、各向異性、樣本參數(shù)的個體間差異顯著。

(2)結(jié)構(gòu)體系的復(fù)雜性:大型土木工程結(jié)構(gòu)，體系復(fù)雜，可能需要對千萬級以上的自由度進行模擬或縮減，更需要在長期運營過程中，考慮材料、構(gòu)件強度的衰減，結(jié)構(gòu)功能的老化等問題［2］。

(3)外在因素的隨機性:土木工程結(jié)構(gòu)，處于一個開放的自然環(huán)境中，外在溫度、濕度等環(huán)境因素不斷變化［3－4］，偶然性激勵的作用不可避免［5－6］。

因此，至少有4類問題，比較突出:

(1)海量數(shù)據(jù)有效信息的提取:現(xiàn)有大型橋梁的監(jiān)測過程中，已采用上千個各類型的傳感器，此過程中產(chǎn)生了海量數(shù)據(jù)，即使現(xiàn)有數(shù)據(jù)處理的計算硬件能滿足要求，也難以從中即時提取出有效信息，用于系統(tǒng)辨識。

(2)結(jié)構(gòu)及荷載不確定性:一般來說，由于材料屬性的離散性、強度退化等原因，結(jié)構(gòu)參數(shù)含有多重不確定性;同時，土木工程的荷載因為環(huán)境等因素的影響，也含有一定的不確定性［6－7］。

(3)基準數(shù)據(jù)的不完備:對于大型工程結(jié)構(gòu)，可能存在的千萬級別以上的自由度，因此即使使用上千個傳感器，獲取海量的數(shù)據(jù)，也可能存在基準數(shù)據(jù)不完備的情況［8］。

(4)模型誤差的不可避免:因為土木工程內(nèi)在的材料特性，外在的環(huán)境干擾的影響，使通常用于監(jiān)測或檢測的模型存在誤差［9］，已有的模型修正暫不能很好解決此類問題。

因此，土木工程的系統(tǒng)辨識，亟需根據(jù)響應(yīng)數(shù)據(jù)特點，引入、構(gòu)造新的方法，對結(jié)構(gòu)進行面向損傷檢測與健康監(jiān)測的系統(tǒng)辨識。

從工程意義來說，土木工程結(jié)構(gòu)的安全直接關(guān)系到人民生命與國家財產(chǎn)的安全。比如法國戴高樂機場建成不到1年，2E候機樓發(fā)生屋頂坍塌。而我國基礎(chǔ)設(shè)施投入巨大，結(jié)構(gòu)健康監(jiān)測的理論與實踐仍處在上升發(fā)展階段，開展引入統(tǒng)計方法的土木工程的系統(tǒng)辨識研究，能更好的保證結(jié)構(gòu)物的安全運行，工程意義重大。

本文在前期工作基礎(chǔ)上，將探討土木工程系統(tǒng)辨識的定義，以及與傳統(tǒng)健康監(jiān)測與損傷檢測的定義，分析了現(xiàn)有土木工程系統(tǒng)辨識中與統(tǒng)計方法相關(guān)的Bayesian統(tǒng)計、隨機有限元、統(tǒng)計模式辨識、損傷特征辨識的統(tǒng)計描述及其他等五類研究;根據(jù)這些已有研究與土木工程系統(tǒng)辨識的特點，討論了統(tǒng)計方法進一步的發(fā)展方向。

1 定義

系統(tǒng)可以定義為基于特定功能的對象的組合。系統(tǒng)的定義廣泛應(yīng)用于車輛［10］、飛機［11］、船舶等實體結(jié)構(gòu)，也可以用于人類自身個體的描述，還可以用于社會、經(jīng)濟、管理等人文領(lǐng)域的抽象實體。系統(tǒng)的數(shù)學模型指基于系統(tǒng)本質(zhì)的，各變量間關(guān)系的描述，即可以用來預(yù)測系統(tǒng)行為的數(shù)學描述。

土木工程中，系統(tǒng)被用來指結(jié)構(gòu)的簡化力學模型［12－13］，結(jié)構(gòu)體系中的一部分［14］，單個的結(jié)構(gòu)［15］(包括建筑結(jié)構(gòu)、橋梁結(jié)構(gòu)、鉆井平臺等)，也可以是耦合結(jié)構(gòu)［16］(如橋梁－車輛作用體系)。

對于土木工程的系統(tǒng)辨識，通常指基于數(shù)據(jù)(結(jié)構(gòu)試驗或者工程測試)，建立數(shù)學模型的過程［13，17－18］。一般而言，結(jié)構(gòu)數(shù)學模型的建立，較大程度依賴于對系統(tǒng)物理特性的了解:如果在經(jīng)典力學體系中，研究物體的運動規(guī)律和力學性能，依據(jù)已知的牛頓力學定律、質(zhì)量守恒定律、能量守恒定律等基本物理定律，結(jié)構(gòu)系統(tǒng)模型為已知，那么其系統(tǒng)辨識的問題可以轉(zhuǎn)化為系統(tǒng)參數(shù)辨識的問題。

Alvin［19］從理論背景、時頻域辨識的方法、獲取頻響函數(shù)的方法、系統(tǒng)實現(xiàn)階數(shù)、面向損傷辨識的系統(tǒng)辨識以及結(jié)論7個方面，對土木工程的系統(tǒng)辨識展開了論述，有一定的參考意義。

應(yīng)該看到，土木工程結(jié)構(gòu)由于內(nèi)在材料的離散性、結(jié)構(gòu)體系的復(fù)雜性與外在環(huán)境因素的隨機性，往往確定性的結(jié)構(gòu)模型不易獲得。對此，本文中的土木工程的系統(tǒng)辨識，指基于結(jié)構(gòu)試驗，工程實測，數(shù)值計算等方式產(chǎn)生的數(shù)據(jù)，建立白箱(或灰箱，或黑箱)數(shù)學模型［20－23］，從而實現(xiàn)對系統(tǒng)參數(shù)的辨識以及系統(tǒng)響應(yīng)的預(yù)測。

本文前期工作提出，土木工程系統(tǒng)辨識的統(tǒng)計方法，指基于結(jié)構(gòu)響應(yīng)的數(shù)量關(guān)系的計量及其分析，從定量認識總體現(xiàn)象(包括結(jié)構(gòu)的激勵輸入與響應(yīng)輸出)的角度，基于統(tǒng)計理論與方法來收集、歸類、分析、解釋結(jié)構(gòu)響應(yīng)數(shù)據(jù)，探索系統(tǒng)輸出數(shù)據(jù)中內(nèi)在的數(shù)量規(guī)律性，由此對數(shù)據(jù)的本質(zhì)進行描述與推斷，從而實現(xiàn)系統(tǒng)辨識。

2 Bayesian統(tǒng)計

Bayesian統(tǒng)計理論起源于英國學者Bayes(1702－1761)，一篇由他人整理的于1763年發(fā)表的論文《論有關(guān)機遇問題的求解》。這篇論文中，提出了著名的Bayes公式和一種歸納推理的方法，并由其后的統(tǒng)計學家發(fā)展成Bayes學派，其核心是對統(tǒng)計中先驗信息的利用。

Beck利用Laplace逼近，將后驗密度函數(shù)近似為一個正態(tài)分布的函數(shù)，從而將Bayes統(tǒng)計方法引入了系統(tǒng)辨識領(lǐng)域。Vanik等［24－27］通過推導(dǎo)結(jié)構(gòu)中子結(jié)構(gòu)模型參數(shù)的邊緣概率密度函數(shù)，來對損傷進行定性、定位以及定量，并通過一個10個自由度的剪切型框架結(jié)構(gòu)進行了數(shù)值模擬，在2%的噪聲干擾下實現(xiàn)了對5%損傷的辨識。并進一步研究了系統(tǒng)辨識對于損傷的實時監(jiān)測，的框架結(jié)構(gòu)的第5層實施了20%的剛度折減;將貝葉斯學習理論應(yīng)用到了地震早期預(yù)警;運用 Monte Carlo方法，對多個不確定性參數(shù)輸入下的10層結(jié)構(gòu)，進行了模型修正。

對于 Bayesian 統(tǒng)計推斷，Katafygiotis等［28－30］基于有限元模型修正，對一個二層鋁質(zhì)結(jié)構(gòu)進行了25%剛度折減的損傷辨識;并基于環(huán)境激勵下的時程響應(yīng)，進行了模態(tài)參數(shù)的辨識。

同時，Beck 等［31－34］在 Bayesian 統(tǒng)計方法上，共同進行了不少研究。

Sohn［35－36］提出，通過比較不同損傷工況的相對可能性，來進行基于Bayesian方法的搜索，同時將Ritz向量引入了Bayesian統(tǒng)計理論框架，對一個三維的桁架模型與一個5層的框架模型進行了5%噪聲條件下的10%剛度損傷的損傷辨識。

3 隨機有限元

隨機有限元從控制方程的獲得來分，一般可以分為Taylor展開法隨機有限元(TSFEM)、攝動法隨機有限元(PSFEM)以及Nuemann展開Mento Carlo法隨機有限元(NSFEM)。若以攝動法隨機有限元為例:

Collins將有限元與攝動法結(jié)合，用統(tǒng)計的觀點來分析特征值的問題，可以認為是將隨機變量理論引用到動力學的開端;而Ricles和Kosmatka首次基于Collins的敏感性分析理論，通過質(zhì)量與剛度的不確定性來對潛在的損傷區(qū)域進行定位，并對損傷大小進行評估。

有關(guān)隨機有限元損傷辨識的工作可以認為始于Papadopoulos的論文及其后續(xù)工作:假設(shè)結(jié)構(gòu)的質(zhì)量、剛度、頻率與振型服從正態(tài)分布，通過Mento Carlo模擬，計算出結(jié)構(gòu)單元的概率密度函數(shù)，用于對單元的損傷概率進行計算。Papadopoulos認為，結(jié)構(gòu)損傷引起特征值的攝動，繼而影響結(jié)構(gòu)的總體剛度矩陣與單元剛度矩陣，并通過一個3自由度的質(zhì)量－彈簧系統(tǒng)與一個懸臂梁結(jié)構(gòu)，驗證了算法的有效性。Papadopoulos［37］的研究基于線性假定與正態(tài)分布的嚴密數(shù)學推導(dǎo)，對于簡單結(jié)構(gòu)的損傷定位適用性較好;不過，其在考慮模型誤差的同時，忽略了測試的噪聲誤差。

Xia等［38－39］同時基于模型誤差與測試噪聲誤差，通過2個階段的模型修正，來進行統(tǒng)計損傷辨識，并通過一個懸臂梁與一個門式框架進行了驗證;結(jié)果表明，通過引入特定置信水平，降低了誤判的可能性;而且，即使不基于無損結(jié)構(gòu)的數(shù)據(jù)樣本，仍能在相對較低的置信水平下，對大多數(shù)損傷進行辨識，Hao等［40］結(jié)合神經(jīng)網(wǎng)絡(luò)對此展開了后續(xù)研究。

黃斌［41－42］提出了一種基于遞推隨機有限元的損傷辨識的統(tǒng)計模型，并與Monte Carlo模擬的結(jié)果進行了比較，從而驗證了其遞推隨機有限元方法的有效性;并在2007年推廣到框架及框架填充墻的統(tǒng)計損傷診斷。

現(xiàn)有方法中Taylor展開法、Monte Carlo模擬法計算量大，攝動法參數(shù)變化范圍小。因此，對于實際工程的系統(tǒng)辨識，隨機有限元法還有待于進一步研究。

4 統(tǒng)計模式辨識

美國Alamos國家實驗室，以 Doebling、Farrar、Sohn為代表的研究者，10余年來，對統(tǒng)計方法在系統(tǒng)辨識中的研究進行了探索性的工作，這部分工作大致可以分為三個階段。

第一階段:Doebling［43－44］將統(tǒng)計方法用于環(huán)境激勵下結(jié)構(gòu)的模態(tài)測試及引入結(jié)構(gòu)的柔度矩陣。

第二階段:Farrar［45－48］開始提出統(tǒng)計模式辨識的概念，并引入無導(dǎo)師學習理論。在此基礎(chǔ)上，F(xiàn)arrar及其團隊引入模式識別中相關(guān)理論，正式提出了統(tǒng)計模式辨識(Statistical Pattern Recognition)的理論框架，具體包括4個步驟:

(1)運營狀態(tài)評估(Operational evaluation):對結(jié)構(gòu)系統(tǒng)狀態(tài)進行辨識前的分析。

(2)數(shù)據(jù)采集、標準化以及整理(Data acquisition，normalization and cleansing):包括測試方案的確定，因環(huán)境因素產(chǎn)生的數(shù)據(jù)差異性［6］，誤差數(shù)據(jù)的排除。

(3)特征提取及信息凝聚(Feature extraction and information condensation):提取數(shù)據(jù)中的特征并用來對系統(tǒng)的狀態(tài)進行辨識［49］，信息凝聚主要指結(jié)構(gòu)在服役周期內(nèi)數(shù)據(jù)的壓縮。

(4)基于特征描述的統(tǒng)計模式［47］(statistical model development for feature discrimination.):根據(jù)有無訓練數(shù)據(jù)可以分為有導(dǎo)師學習方法與無導(dǎo)師學習方法，前者又可以分為分類分析與回歸分析，后者可以分為對變異點或特征點的辨識。

Farrar作為基于結(jié)構(gòu)振動的系統(tǒng)辨識的杰出研究者，所提出的統(tǒng)計模式辨識概念，有相當影響;不過其大部分繼承了機器學習的理論框架，因此應(yīng)用過程中對于土木工程普適性有待進一步提高。

第三個階段為下節(jié)中以Sohn為代表進行的系列研究。

5 損傷辨識特征的統(tǒng)計描述

對上節(jié)中指出的Farrar提出的統(tǒng)計模式辨識的不足，Sohn與Farrar在后續(xù)工作中進行了大幅調(diào)整:將前3個步驟進行剝離，使其退化成基于振動方法的系統(tǒng)辨識的通用步驟，而將第4個步驟改寫成“損傷辨識特征的統(tǒng)計描述”。

應(yīng)該說，Sohn等［50］的后續(xù)論述，對于前3步的闡述可能合理:如將第2步調(diào)整成數(shù)據(jù)采集與信號處理，并進一步細分成激勵方式、響應(yīng)數(shù)據(jù)形式以及數(shù)據(jù)傳輸形式進行闡述。

同時，對于第4步分類，Sohn在有導(dǎo)師學習與無導(dǎo)師學習方法之外，增加了“其他概率分析”(Other Probability Analyses)一類統(tǒng)計辨識方法，使第4步的分類也趨于嚴密。

不過，在第4步的第2層次的分類中，Sohn將有導(dǎo)師學習理論論述為響應(yīng)面分析、Fisher’s判別方法、神經(jīng)網(wǎng)絡(luò)、遺傳算法、支持向量機5個子類，將無導(dǎo)師學習理論論述為統(tǒng)計過程控制、變異點辨識、神經(jīng)網(wǎng)絡(luò)、假設(shè)檢驗4個類，基本沿用學習理論中的有無導(dǎo)師分類方法，可能偏離了統(tǒng)計描述的框架。實質(zhì)上，這樣的論述，描述為“系統(tǒng)辨識的學習理論方法”更為合適。

6 其他方法

隨著統(tǒng)計學的不斷發(fā)展，傳統(tǒng)方法不斷更新，新的方法不斷出現(xiàn)。其中，很多理論方法歷時近百年，不斷有新的應(yīng)用(如統(tǒng)計過程控制)，也有很多理論方法，從數(shù)學上提出到統(tǒng)計學上應(yīng)用，到各個學科廣泛應(yīng)用，剛過10年(如統(tǒng)計學習理論)。這部分研究尚處在起步階段，相對離散，暫未形成相對趨勢，可待后文繼續(xù)研究。

7 展望

統(tǒng)計方法在土木工程系統(tǒng)辨識中的研究已有初步的成果;同時，這些成果也提出了新的研究點。以后三類統(tǒng)計方法為例，可能存在以下問題:

(1)引入其他領(lǐng)域的理論框架模型時，可能會拘泥于原有理論:如Farrar引入模式識別理論與Sohn引入機器學習理論的同時，未充分基于土木工程系統(tǒng)辨識的特點，其闡述重點在所引入理論中的2種分類標準;如果結(jié)合統(tǒng)計學習理論來描述，那么這種引入是對源理論的“過學習”，從而可能導(dǎo)致對土木工程系統(tǒng)辨識的“泛化”推廣能力減弱。

(2)其他相關(guān)研究，相對離散，往往從土木工程系統(tǒng)辨識的一個具體問題出發(fā)，選取某一統(tǒng)計方法加以應(yīng)用［24］;類似，如果結(jié)合統(tǒng)計學習理論來描述，那么這部分工作對相關(guān)理論系統(tǒng)的“欠學習”，也可能導(dǎo)致對土木工程系統(tǒng)辨識的“泛化”推廣能力減弱。

如果結(jié)合系統(tǒng)辨識基本問題，土木工程結(jié)構(gòu)系統(tǒng)辨識統(tǒng)計方法的下一步可能切入點有:

(1)隨機輸入與未知輸入條件下的統(tǒng)計方法:現(xiàn)有隨機輸入條件下的結(jié)構(gòu)振動分析，通常在結(jié)構(gòu)的振動方程中加入隨機參數(shù)來實現(xiàn)，而Taylor展開法、Monte Carlo模擬法計算量大，攝動法參數(shù)變化范圍小，現(xiàn)有研究限于簡單力學模型。進一步，對于土木工程，未知輸入條件下的系統(tǒng)辨識，在傳統(tǒng)方法上局限于通過迭代計算，使目標函數(shù)值小于設(shè)定閾值的方法［51］，對于土木工程的大型、復(fù)雜結(jié)構(gòu)，計算量可能過大。因此，如何在隨機輸入與未知輸入條件，引入統(tǒng)計理論方法，來提取輸入條件的特征，來簡化輸入信息的特征，來判斷未知輸入條件的可能區(qū)間及帶寬，是可以深入研究的一個方向。

(2)數(shù)據(jù)傳輸手段與傳感器狀態(tài)的統(tǒng)計方法:響應(yīng)數(shù)據(jù)的無線傳輸對于土木工程意義重大［52］，而現(xiàn)有無線傳輸?shù)姆椒ǎM用高，系統(tǒng)易受干擾，相對穩(wěn)定性較差，有待于結(jié)合其他學科研究，引入統(tǒng)計方法，來降低無線傳輸成本，提高傳輸系統(tǒng)的魯棒性［52－54］;同時，大型工程中，上千個傳感器的工作狀態(tài)顯著影響監(jiān)測系統(tǒng)的輸入，如何使測試網(wǎng)絡(luò)具備一定意義上的統(tǒng)計穩(wěn)定性(如自動排除非正常工作狀態(tài)下的傳感器數(shù)據(jù))，對監(jiān)測系統(tǒng)的低成本的日常運行意義重大。

(3)系統(tǒng)辨識基準模型的統(tǒng)計方法:通常新建成工程結(jié)構(gòu)需要將基準模型進行備份，以作為面向健康監(jiān)測以及損傷檢測的系統(tǒng)辨識的基準。對此，可以考慮采用統(tǒng)計方法來發(fā)展無導(dǎo)師學習理論，從而對無基準模型的已有結(jié)構(gòu)進行系統(tǒng)辨識;同時，也可以通過統(tǒng)計方法，增強具備基準模型的結(jié)構(gòu)的系統(tǒng)辨識在不同環(huán)境因素下辨識的穩(wěn)定性。

(4)非線性及混沌系統(tǒng)辨識的統(tǒng)計方法:現(xiàn)有研究大部分未考慮混沌系統(tǒng)，多數(shù)基于線性假設(shè)，如系統(tǒng)響應(yīng)中的振幅微小等;而土木工程結(jié)構(gòu)從材料屬性到邊界條件，從外部激勵到系統(tǒng)響應(yīng)，從損傷的發(fā)生到發(fā)展，都是一個非線性的過程，更有可能存在混沌的特性。如何引入統(tǒng)計方法，從線性系統(tǒng)向非線性系統(tǒng)以至混沌系統(tǒng)進行拓展［55－56］，挖掘其中的統(tǒng)計特征，是一個較為長期的過程。

此外，在土木工程系統(tǒng)辨識中，可能會存在以下問題:采用簡單的分組標志來描述復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，采用確定性的知識來描述不確定性的系統(tǒng)，采用定性的分析來判斷定量的結(jié)構(gòu)參數(shù)變化，采用無限樣本學習理論來預(yù)測有限樣本總體，采用通用坐標來描述系統(tǒng)局部特征。

對此，本文前期在2008年～2010年期間，初步進行了以下工作:通過統(tǒng)計標志分組來實現(xiàn)對復(fù)雜數(shù)據(jù)結(jié)構(gòu)的歸類描述［57－58］，通過統(tǒng)計估計來實現(xiàn)不確定性的系統(tǒng)的不確定性描述［59］，通過統(tǒng)計過程控制理論來為系統(tǒng)信息變化的評判提供量化的基礎(chǔ)［60］，通過統(tǒng)計學習理論來對有限樣本的系統(tǒng)信息進行辨識［61］，通過主成分坐標變換來凸現(xiàn)結(jié)構(gòu)特征［62］。

在這些工作中，可以認為:如果土木工程系統(tǒng)的狀態(tài)發(fā)生改變，其響應(yīng)數(shù)據(jù)必然相應(yīng)變化;而不同狀態(tài)的改變量，引起的響應(yīng)數(shù)據(jù)的變化特征不同。也就是說，數(shù)據(jù)中肯定蘊含了系統(tǒng)特征，如時域加速度信號蘊含了頻域特征;問題在于能否選用適當?shù)姆椒?，對響?yīng)數(shù)據(jù)中所關(guān)注的特征進行放大、凸現(xiàn)［63－64］。

因此，本文相信:類似傅里葉變換能揭示時域響應(yīng)的頻域信息，結(jié)構(gòu)響應(yīng)數(shù)據(jù)中的結(jié)構(gòu)參數(shù)、荷載及其他系統(tǒng)變量的特征，可以通過統(tǒng)計方法，進行描述與判斷，放大與解釋，從而凸現(xiàn)所關(guān)注特征，由此實現(xiàn)對系統(tǒng)的辨識。

而各類統(tǒng)計方法引入過程中，工程或數(shù)值數(shù)據(jù)是否符合概率統(tǒng)計中的一些基本假設(shè)，是進行辨識的基礎(chǔ)。如果不符合某些假設(shè)，那么如何對各類響應(yīng)數(shù)據(jù)進行處理，使其符合相應(yīng)假設(shè)?已有一些研究初步通過去趨勢項、標準化數(shù)據(jù)等手段部分、初步地實現(xiàn)了此功能;另一方面，能否對統(tǒng)計方法中的基本假設(shè)做出符合響應(yīng)數(shù)據(jù)特點的調(diào)整，并相應(yīng)調(diào)整理論推導(dǎo)、計算分析，從而發(fā)展出基于土木工程響應(yīng)數(shù)據(jù)的統(tǒng)計方法?前者對土木工程系統(tǒng)辨識的數(shù)據(jù)處理，可以提供一個重要的導(dǎo)向，有可能促生出新的系統(tǒng)數(shù)據(jù)處理的方法;而后者，則可能真正促生統(tǒng)計學的一個新的分支，對于現(xiàn)有研究，可能理論意義重大。如何進一步深入這兩類研究，是本文后續(xù)工作的研究重點。

［1］Zhang Y，Ye Z，Wang C.A fast method for rectangular crack sizes reconstruction in magnetic flux leakage testing［J］.Ndt＆ E International，2009，42(5):369 －375.

［2］Peeters B，De Roeck G.One-year monitoring of the Z24－Bridge:environmental effects versus damage events［J］.Earthquake Engineering ＆ StructuralDynamics，2001，30(2):149－171.

［3］Kokot S，Zembaty Z.Damage reconstruction of 3D frames using genetic algorithmswith Levenberg-Marquardtlocal search［J］.Soil Dynamics and Earthquake Engineering，2009，29(2):311－323.

［4］Balmes E，Basseville M，Bourquin F，et al.Merging sensor data from multiple temperature scenarios for vibration monitoring ofcivilstructures［J］. StructuralHealth Monitoring-an International Journal，2008，7(2):129 －142.

［5］Soyoz S，F(xiàn)eng M Q.Long-term monitoring and identification of bridge structural parameters［J］.Computer-Aided Civil and Infrastructure Engineering，2009，24(2):82 －92.

［6］Sohn H.Effects of environmental and operational variability on structural health monitoring［J］. Philosophical Transactions of the Royal Society a-Mathematical Physical and Engineering Sciences，2007，365(1851):539 －560.

［7］Zhang Q W.Statistical damage identification for bridges using ambient vibration data［J］.Computers ＆ Structures，2007，85(7－8):476－485.

［8］Sieniawska R，Sniady P，Zukowski S.Identification of the structure parameters applying a moving load［J］.Journal of Sound and Vibration，2009，319(1 －2):355 －365.

［9］Jaishi B，Ren W X.Finite element model updating based on eigenvalue and strain energy residuals using multiobjective optimisation technique［J］.Mechanical Systems and Signal Processing，2007，21(5):2295 －2317.

［10］ Friedmann P P，McNamara J J，Thuruthimattam B J，et al.Aeroelastic analysis of hypersonic vehicles［J］.Journal of Fluids and Structures，2004，19(5):681 －712.

［11］ Stanford B，Ifju P，Albertani R，et al.Fixed membrane wings for micro air vehicles:experimental characterization，numerical modeling，and tailoring［J］.Progress in Aerospace Sciences，2008，44(4):258 －294.

［12］ Chakraborty A，Basu B，Mitra M.Identification of modal parameters of a mdof system by modified L-P wavelet packets［J］.Journal of Sound and Vibration，2006，295(3 － 5):827－837.

［13］ Siringoringo D M， Fujino Y. System identification of suspension bridge from ambient vibration response［J］.Engineering Structures，2008，30(2):462 －477.

［14］ Kim Y，Langari R，Hurlebaus S. Semiactive nonlinear control of a building with a magnetorheological damper system［J］.Mechanical Systems and Signal Processing，2009，23(2):300－315.

［15］ Weng J H，Loh C H，Lynch J P，et al.Output-only modal identification of a cable－stayed bridge using wireless monitoring systems［J］. Engineering Structures，2008，30(7):1820－1830.

［16］ Lu F，Lin J H，Kennedy D，et al.An algorithm to study non-stationary random vibrations of vehicle-bridge systems［J］.Computers＆ Structures，2009，87(3－4):177－185.

［17］ Fasana A，Garibaldi L，Piombo B，et al.Identification of the dynamic behaviour of bridges under ambient excitation using wavelet transform［J］.Nondestructive Evaluation of Bridges and Highways，1996，2946:286 －297，332.

［18］ Worden K，Hickey D，Haroon M，et al.Nonlinear system identification of automotive dampers:A time and frequencydomain analysis［J］. MechanicalSystemsand Signal Processing.2009，23(1):104－126.

［19］ Alvin K F，Robertson A N，Reich G W，et al.Structural system identification:from reality to models［J］.Computers＆ Structures，2003，81(12):1149－1176.

［20］ Jiang R J，Au F T K，Cheung Y K.Identification of vehicles moving on continuous bridges with rough surface［J］.Journal of Sound and Vibration，2004，274(3 －5):1045 －1063.

［21］Jiang R J，Au F T K，Cheung Y K.Identification of masses moving on multi-span beams based on a genetic algorithm［J］.Computers＆ Structures，2003，81(22 －23):2137－2148.

［22］Au F T K，Jiang R J，Cheung Y K.Parameter identification of vehicles moving on continuous bridges［J］.Journal of Sound and Vibration，2004，269(1 －2):91 －111.

［23］ Thanh T N， PerryM J， Koh C G. Movingforce identification:A time subdomain genetic algorithm approach［C］.Structural Health Monitoring 2007:Quantification，Validation，and Implementation，2007，(1 － 2):1399－1406.

［24］Vanik M W，Beck J L.A Bayesian probabilistic approach to structural health monitoring［J］. Structural Health Monitoring，1997，140 －151.

［25］ Vanik M W，Beck J L，Au S K.Bayesian probabilistic approach to structural health monitoring［J］.Journal of Engineering Mechanics-Asce，2000，126(7):738 －745.

［26］ Muto M，Beck J L.Bayesian updating and model class selection for hysteretic structural models using stochastic simulation［J］.Journal of Vibration and Control，2008，14(1－2):7－34.

［27］ Cheung S H，Beck J L.Bayesian model updating using hybrid monte carlo simulation with application to structural dynamic models with many uncertain parameters［J］.Journal of Engineering Mechanics-Asce，2009，135(4):243 －255.

［28］ Katafygiotis L S，Lam H F.A probabilistic approach to structural health monitoring using dynamic data［J］.Structural Health Monitoring，1997:152 －163.

［29］Katafygiotis L S，Yuen K V.Statistical modal identification using ambient or strong wind response data［J］.Stochastic Structural Dynamics，1999:387 －394，594.

［30］ Yuen K V，Katafygiotis L S.Bayesian time-domain approach for modal updating using ambient data［J］.Probabilistic Engineering Mechanics，2001，16(3):219 －231.

［31］ Yuen K V，Beck J L，Katafygiotis L S.Efficient model updating and health monitoring methodology using incomplete modal data without mode matching［J］.Structural Control ＆Health Monitoring，2006，13(1):91 －107.

［32］ Yuen K V，Beck J L，Katafygiotis L S.Unified probabilistic approach for model updating and damage detection［J］.Journal of Applied Mechanics-Transactions of the Asme，2006，73(4):555－564.

［33］ Yuen K V，Katafygiotis L S，Beck J L.Spectral density estimation of stochastic vector processes［J］.Probabilistic Engineering Mechanics.2002，17(3):265 －272.

［34］ Yuen K V，Beck J L，Katafygiotis L S.Probabilistic approach for modal identification using non-stationary noisy response measurements only［J］.Earthquake Engineering ＆Structural Dynamics，2002，31(4):1007 －1023.

［35］ Sohn H， Law K H. A Bayesian probabilistic damage detection using load-dependent Ritz vectors［C］.Imac-Proceedings ofthe 16th InternationalModalAnalysis Conference，1998，1－2(3243):374－380.

［36］ Sohn H，Law K H.Application of load-dependent Ritz vectors to probabilistic damage detection［J］.Smart Systems for Bridges，Structures，and Highways.1998，3325:149 －160.

［37］ Papadopoulos L，Garcia E.Structural damage identification:A probabilistic approach［J］.Aiaa Journal，1998，36(11):2137－2145.

［38］Xia Y，Hao H.Statistical damage identification of structures with frequency changes［J］.Journal of Sound and Vibration，2003，263(4):853－870.

［39］ Xia Y， Hao H， Brownjohn J M W， et al. Damage identification of structures with uncertain frequency and mode shape data［J］. Earthquake Engineering ＆ Structural Dynamics，2002，31(5):1053 －1066.

［40］ Bakhary N，Hao H，Deeks A J.Damage detection using artificial neural network with consideration of uncertainties［J］.Engineering Structures，2007，29(11):2806 －2815.

［41］黃 斌，史文海.基于統(tǒng)計模型的結(jié)構(gòu)損傷識別［J］.工程力學，2006，(12):55－60.

［42］史文海;李正農(nóng);黃 斌.框架與框架填充墻結(jié)構(gòu)的統(tǒng)計損傷診斷［J］.湖南大學學報，2007，(10):25－29.

［43］ Doebling S W，F(xiàn)arrar C R，Cornwell P.A statistical comparison of impact and ambient testing results from the Alamosa Canyon bridge［C］.Proceedings of the 15th International Modal Analysis Conference-Imac，1997，I-Ii(3089):264－270，2043.

［44］Doebling S W，F(xiàn)arrar C R.Statistical damage identification techniques applied to the I－40 bridge over the Rio Grande river［C］.Imac-Proceedings of the 16th International Modal Analysis Conference，1998，1 － 2(3243):1717 －1724，1806.

［45］Farrar C R，Duffey T A，Doebling S W，et al.A statistical pattern recognition paradigm for vibration-based structural health monitoring［J］.Structural Health Montoring 2000，1999:764－773，1062.

［46］ Fugate M L，Sohn H，F(xiàn)arrar C R.Unsupervised learning methods for vibration-based damage detection［C］.Imac-Xviii:A Conference on Structural Dynamics，2000，(1－2)4062:652－659，1910.

［47］ Farrar C R，Doebling S W，Nix D A.Vibration-based structural damage identification ［J］. Philosophical Transactions of the Royal Society of London Series a-Mathematical Physicaland EngineeringSciences，2001，359(1778):131－149.

［48］Farrar C R，Worden K.An introduction to structural health monitoring［J］.Philosophical Transactions of the Royal Society a-Mathematical Physical and Engineering Sciences，2007，365(1851):303－315.

［49］Sohn H，F(xiàn)arrar C R，Hunter N F.Data normalization issue forvibration-based structural health monitoring［C］.ProceedingsofImac-Xix:A Conference on Structural Dynamics，2001，(1－2):4359:432－437，1773.

［50］ Jalayer F，Iervolino I，Manfredi G.Structural modeling uncertainties and their influence on seismic assessment of existing RC structures［J］.Structural Safety.2010，32(3):220－228.

［51］李煒明，朱宏平，吳賢國，等.未知激勵下框架結(jié)構(gòu)系統(tǒng)辨識的特征系統(tǒng)實現(xiàn)算法［J］.振動與沖擊，2010，29(8):228－231.

［52］ Lynch J P，Sundararajan A，Law K H，et al.Design of a wireless active sensing unit for structural health monitoring［J］.Health Monitoring and Smart Nondestructive Evaluation of Structural and Biological System Iii，2004，5394:157 －168，502.

［53］ Lynch J P，Sundararajan A，Law K H.et al.Embedment of structural monitoring algorithms in a wireless sensing unit［J］.Structural Engineering and Mechanics，2003，15(3):285－297.

［54］Wang Y，Lynch J P，Law K H.A wireless structural health monitoring system with multithreaded sensing devices:design and validation［J］.Structure and Infrastructure Engineering，2007，3(2):103－120.

［55］楊永鋒，吳亞鋒，任興民，等.基于最大Lyapunov指數(shù)預(yù)測的EMD端點延拓方法［J］.物理學報，2009，58(6):6139－6144.

［56］楊永鋒，任興民，秦衛(wèi)陽，等.基于EMD方法的混沌時間序列預(yù)測［J］.物理學報，2008，57(10):6139－6144.

［57］李煒明，朱宏平，張俊兵，等.車－橋系統(tǒng)在路面隨機譜激勵下放大效應(yīng)的統(tǒng)計歸類分析［J］.中國公路學報，2010，23(5):58－63.

［58］李煒明，朱宏平，黃民水，等.路面隨機譜激勵的數(shù)值方法及其統(tǒng)計特征［J］.中國公路學報，2009，22(3):20－25.

［59］李煒明，朱宏平，夏 勇.基于車輛響應(yīng)的橋梁結(jié)構(gòu)參數(shù)的統(tǒng)計區(qū)間估計［J］.工程力學，2008，25(s2):254－258.

［60］ Li W M，Zhu H P，Luo H B，et al.Statistical damage detection method for frame structures using a confidence interval［J］. Earthquake Engineering and Engineering Vibration，2010，9(1):133 －140.

［61］李煒明，丁烈云，朱宏平，等.基于統(tǒng)計學習理論的運營橋梁結(jié)構(gòu)的響應(yīng)辨識［J］.華中科技大學學報(自然科學版)，2009，12:116－119.

［62］李煒明.土木工程結(jié)構(gòu)系統(tǒng)辨識的統(tǒng)計方法研究［D］.武漢:華中科技大學，2009.

［63］李煒明，朱宏平，夏 勇.某框架模型損傷識別參數(shù)的特征分析［J］.振動與沖擊，2008，27(3):108－112.

［64］李煒明，朱宏平，丁烈云，等.基于試驗加速度響應(yīng)的統(tǒng)計損傷辨識方法［J］.振動與沖擊，2010，29(8):228－231.