(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111179236.2 (22)申请日 2021.10.09 (71)申请人 福州大学 地址 362251 福建省泉州市晋 江市金井镇 水城路1号福州大 学晋江科教园 (72)发明人 方圣恩　王璐　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 丘鸿超　蔡学俊 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 7/00(2006.01) G06F 111/08(2020.01)G06F 111/10(2020.01) G06F 119/14(2020.01) (54)发明名称 基于贝叶斯网络的杆系结构损伤识别模型 与方法 (57)摘要 本发明提出一种基于贝叶斯网络的杆系结 构损伤识别模型与方法， 将BN与结构静力测试数 据相结合， 用于杆系结构中杆件的损伤识别。 BN 的建立包含网络拓扑定义和参数学习两个部分。 本发明以外荷载作用下各杆件应变能密度数值 来定义BN的节点变量， 以值的大小确定节 点间有 向弧的指向。 本发明通过抽样方式获取杆系结构 可能的损伤工况， 以生成对应的损伤样本集， 再 通过学习算法获取节点变量间的条件概率表， 完 成杆系结构的BN构建。 最后， 以观测杆件的状态 数据作为证据输入BN， 推理其他杆件是否存在损 伤和评估损伤程度。 权利要求书3页 说明书6页 附图1页 CN 113919026 A 2022.01.11 CN 113919026 A 1.一种基于贝叶斯网络的杆系结构损伤识别模型， 其特征在于： 将BN与结构静力测试 数据相结合， 用于杆系 结构中杆件的损伤识别； 以外荷载作用下各杆件应变能密度数值定 义BN的节点变量， 以值的大小确定节点间有向弧的指向； 通过抽样方式获取杆系 结构可能 的损伤工况， 以生成对应的损伤样本集， 再通过学习算法获取节点变量间的条件概率表 CPT， 完成杆系结构的BN构建。 2.根据权利要求1所述的基于贝叶斯网络的杆系结构损伤识别模型， 其特征在于： 以观 测杆件的状态数据作为证据输入BN， 推理其 他杆件是否存在损伤和评估损伤程度。 3.根据权利要求1所述的基于贝叶斯网络的杆系结构损伤识别模型， 其特征在于： 将杆 件的应变能密度Ei设为BN的节点变量， 假设各杆件的初始应变能密度为Ei,t0， 根据Ei,t0数值 大小定义父节点与子节点， 有向弧方向由Ei,t0值大的指向小的； 若两根杆件的Ei,t0值相同， 则以空间坐标上更靠近上一级父节点杆件为本级父节点； 对每根杆件预设损伤， 计算对其 他杆件Ei,t0值的熵值影响大小， 根据 影响最大熵原则判断影响最大的杆件与预设损伤杆件 之间存在有向弧， 有向弧的指向根据Ei,t0值确定。 4.根据权利要求3所述的基于贝叶斯网络的杆系结构损伤识别模型， 其特征在于： 针对 杆系结构可能发生的损伤工况， 考虑外荷载及杆件面积的不确定性， 以二者概率分布为参 数变量， 通过抽样和有限元计算得到不同样本， 建立用于 CPT学习的损伤样本库。 5.根据权利要求4所述的基于贝叶斯网络的杆系结构损伤识别模型， 其特征在于： 建立 用于CPT学习的损伤样本库具体包括以下步骤： 步骤S21： 通过抽样获取杆系结构损伤工况的不同组合， 每个组合表示一组外荷载与 杆 件截面积值； 步骤S22： 将不同损伤工况组合输入杆系结构的有限元模型， 计算得到各工况下杆件的 弹塑性应变、 应力。 步骤S23： 根据式(1)计算每根杆件的应 变能密度： 式中Ei(i＝1,2,...,n)为第i号杆件的应变能密度， n为杆件数目； σi为该杆件某截面上 的最大应力； 为该点对应的弹性应变， 为塑性应变； 进而将各杆件节点变量的状态划 分如下： 式中Di为各杆件节点状态值， 包含完好、 轻微损伤和严重损伤 3种状态， Ei,t为第i根杆件 在t时刻的应变能密度， Ei,tt为第i根杆件损伤达到某一阈值时的应变能密度， Ei,tmax为第i 根杆件处于 完全破坏临界值时的应 变能密度； 得到不同损伤工况 下的杆件状态后， 即得到样本库。 6.根据权利要求5所述的基于贝叶斯网络的杆系结构损伤识别模型， 其特征在于： 通过 参数学习方式得到 CPT， 完成BN的构建。权　利　要　求　书 1/3 页 2 CN 113919026 A 27.根据权利要求6所述的基于贝叶斯网络的杆系结构损伤 识别模型， 其特 征在于： 以一根或者部分杆件的观测节点状态作为证据输入BN， 结合推理算法估计其余杆件处 于不同状态的概率Pj(j＝1,2,3)， 同时结合Pj及不同状态下的Ei,t值， 结合区间中值法和式 (3)估计损伤杆件的应变能密度Ei, α， 当损伤杆件应变能密度估计值超过损伤阈值Ei,tt即判 断为损伤杆件。 Ei, α＝Ei,t(Di＝1)P1+Ei,t(Di＝2)P2+Ei,t(Di＝3)P3   (3)。 8.一种基于贝叶斯网络的杆系结构损伤 识别方法， 其特 征在于， 包括以下步骤： 步骤S1： 根据各杆件应变能密度Ei,t0定义网络拓 扑的父节点与子节点； 有向弧的方向 由 Ei,t0值大的指向小的； 若两根杆件值相同， 则由空间坐标上靠近上一级父节点 的杆件指向 远离父节点的杆件； 同时对每根杆件预设损伤， 推理出该杆件对其它杆件应变能密度数值 带来的影响； 规定影响最大的杆件与预设损伤杆件之间存在有向弧， 有向弧的指向根据 Ei,t0的大小确定， 最终完成BN的拓扑定义； 步骤S2： 首先， 通过抽样 获取结构损伤工况的不同组合， 并将抽样所得工况导入结构的 有限元模 型中， 计算各损伤工况下杆件的应变能密度， 接着判断对应的杆件状态， 获取样本 库， 最后通过参数 学习方式得到各节点间CPT， 完成BN的构建； 步骤S3： 将一根或部分杆件的观测状态作为证据输入建立好的BN， 推理其余杆件处于 不同状态的概率， 再通过区间中值法获取各杆件应变能密度估计值， 并根据该值是否超出 损伤阈值 来判断损伤杆件。 9.根据权利要求8所述的基于贝叶斯网络的杆系结构损伤识别方法， 其特征在于： 步骤 S2具体包括以下步骤： 步骤S21： 通过抽样获取杆系结构损伤工况的不同组合， 每个组合表示一组外荷载与 杆 件截面积值； 步骤S22： 将不同损伤工况组合输入杆系结构的有限元模型， 计算得到各工况下杆件的 弹塑性应变、 应力。 步骤S23： 根据式(1)计算每根杆件的应 变能密度： 式中Ei(i＝1,2,...,n)为第i号杆件的应变能密度， n为杆件数目； σi为该杆件某截面上 的最大应力； 为该点对应的弹性应变， 为塑性应变； 进而将各杆件节点变量的状态划 分如下： 式中Di为各杆件节点状态值， 包含完好、 轻微损伤和严重损伤 3种状态， Ei,t为第i根杆件 在t时刻的应变能密度,Ei,tt为第i根杆件损伤达到某一阈值时的应变能密度， Ei,tmax为第i 根杆件处于 完全破坏临界值时的应 变能密度； 得到不同损伤工况 下的杆件状态后， 即得到样本库。 10.根据权利要求9所述的基于贝叶斯网络的杆系结构损伤识别方法， 其特征在于： 步权　利　要　求　书 2/3 页 3 CN 113919026 A 3