环境影响下基于动态核熵成分分析的损伤识别方法

来源：振动与冲击杂志2025年第18期北京时间：

作者：黄杰忠,，杨健，陈斯信chensixin@stu，李东升,,

单位：1.汕头大学土木与智慧建设工程系，广东 汕头515063；2.汕头大学智能制造技术教育部重点实验室广东省结构安全与监测工程技术研究中心，广东 汕头5150633.汕头市海上风能重点实验室，广东 汕头515063

摘要：传统的核主成分分析方法（Kernel Principal Component Analysis, KPCA）在复杂监测数据的处理过程中，受限于数据需满足高斯分布假设及模型的静态特性，导致其在变化环境中的损伤识别效果较差。为克服上述局限性，本文提出一种基于动态核熵成分分析（Dynamic Kernel Entropy Component Analysis, DKECA）的损伤识别方法。该方法首先构建包含历史与当前数据的时滞矩阵，提取监测数据的动态特征；随后，通过核熵成分分析（kernel entropy component analysis ,KECA）选择最大化Rényi熵的核主成分，将数据投影至非线性特征子空间。由于基于Rényi熵的核主成分选择不依赖于数据的特定分布，该方法在处理非高斯数据时具备显著优势。最后，通过构建基于T²统计量的控制图，并结合核密度估计设定阈值实现损伤识别。本文方法应用于环境变化下的木桁架桥和Z24桥损伤识别，并与主成分分析（PCA）、KPCA和KECA进行了对比分析。结果表明，DKECA在非线性、非高斯动态数据的处理及复杂环境条件下的损伤识别中，表现出优于其他方法的性能优势。<br>

关键词：结构健康监测；损伤识别；环境影响；核主成分分析；核熵成分分析