结构健康监测中更高阶多变量环境影响
应用统计
2026-03-25 v1
摘要
系统输出量，如特征频率或应变数据，常用于结构健康监测（SHM），不仅对损伤作出反应，还取决于环境条件。当试图校正这些混杂效应时，常常（至少在隐含意义上）假设只有预期的，即平均值，输出值受到环境条件的影响。然而，对实际SHM数据进行评估表明，环境条件可能影响不仅是均值输出，还影响更高阶统计矩，特别是输出方差以及不同输出量之间的协方差和相关性，如不同模式的特征频率或不同位置的应变传感器。为解决这些问题，我们讨论了两种用于识别和量化输出协方差和相关性上更高阶混杂效应的方法：随机森林方法和非参数、基于核的方法。我们在人工数据和真实SHM数据上对两种竞争方法进行比较，发现基于核的方法实现了更高的精度，但随机森林产生的估计更稳健，有时也更易解释。
引用
@article{arxiv.2603.22950,
title = {Higher-Order Multivariate Environmental Influences in Structural Health Monitoring},
author = {Lizzie Neumann and Philipp Wittenberg and Jan Gertheiss},
journal= {arXiv preprint arXiv:2603.22950},
year = {2026}
}