基于组合荷载响应特征融合的桥梁结构智能损伤识别方法

桥梁在运营过程中面临着组合荷载的复杂环境，因此发展组合荷载下的损伤识别方法具有重要意义。本文提出了一种基于组合荷载响应特征融合的桥梁结构智能损伤识别方法，基于移动主成分分析对自重静载、温度准静态荷载、动态荷载下的结构响应数据分别进行特征挖掘，并将不同荷载下第一特征向量的组合作为机器学习模型的输入，建立结构的损伤识别方法。最后，以双跨连续梁的仿真模型进行了验证，研究结果表明，即使在大噪声水平下，以组合荷载特征向量进行损伤定位和定量的准确率分别可达91.65%和97.22%,比传统的单荷载下的准确率最高分别提升了32.40%和18.00%,表现出优异的损伤检测性能和抗噪性。     

颗粒材料接触特性之接触点的确定

颗粒物质在自然界中普遍存在,如砂砾、谷物、堆石体和碎屑流等,许多自然现象和工业过程都与颗粒物质的运动状态有关。弄清颗粒之间的接触特征是理解颗粒变形与运动规律的关键,与之相关联的接触点确定是获取全场接触力(包括力链)信息的难点。近年来,光弹法逐渐成为这类问题研究的有效手段之一,原因在于该方法具有原理简单、操作方便、图像直观等优点。然而,已有的接触点判定方法主要依赖于圆盘圆心距离的计算,对于小变形圆盘接触特征难以有效识别。为此,本文发展了一种基于去除零级条纹区域及图像矩阵转换的算法,可以有效地确定接触点的位置。主要步骤如下:首先运用主成分分析方法对图像进行分析,提取主成分,并重构原图像;然后利用模板匹配方法提取各个光弹圆盘,接着对提取出来的各个圆盘进行图像矩阵变换;最后对变换后的图像局部进行垂直方向灰度梯度平方计算,描绘梯度变化曲线并提取曲线峰值,从而识别出接触点(位置)。     

基于微结构指标主成分分析的沉桩挤土效应研究

前期研究已认识到,土的宏观力学性质及其表现从本质上应取决于土的微观结构。在结构性较强的软土中沉桩,桩周土体内部结构会发生显著变化,土体的强度与变形性质是这种内在变化的宏观表现,研究土体微观结构与宏观力学行为变化之间的关系,对认知土体的力学性质,从微观出发去认识沉桩挤土效应的机理,指导工程实践具有重要地理论和现实意义。本文基于天津滨海地基土实际静压桩工程,在沉桩的不同时刻、沿桩身的不同位置取桩周土体原状土样进行室内三轴固结不排水剪切试验,得到土体强度指标参数,同时进行对应的微观结构试验,得到垂直与水平方向的10个微结构指标。采用主成分分析方法,在微结构指标中提取3个主成分,较好地分析了土体微结构特征。研究表明: 3个主成分与黏聚力之间存在较好的相关关系,而与内摩擦角之间的相关性相对较弱; 第一主成分对各微结构信息的提取比较充分,第二、第三主成分是对第一主成分未反映信息的进一步补充。同时主成分分析表明,土体微结构性质对强度性质起控制作用,在沉桩过程中,近地表和下部土层宏观力学指标表现出了相反的变化规律。主成分分析方法较好地表述了土体的微结构性质,为进一步从微观入手解释沉桩挤土效应机理提供了有力依据。     

基于支持向量机的结构损伤分步识别研究

支持向量机是一种基于统计学习理论的机器学习算法,能够较好地解决小样本的学习问题。本文介绍了支持向量机分类和回归算法,提出了基于支持向量机的结构损伤分步识别方法:以模态频率作为损伤特征,首先根据支持向量机分类算法的概率估计确定可能的损伤位置,重新构造训练样本,然后利用支持向量机回归算法计算损伤位置;最后估计损伤程度。以梁的损伤识别为例进行了验证,结果表明该方法可以提高损伤识别的精度。     

基于多种搜索策略的人工蜂群算法的结构损伤识别

人工蜂群算法是一种元启发式算法,具有构架简单,易于操作和鲁棒性较好的特点。本文对原始蜂群算法进行了改进,为蜜蜂们提供了更丰富的搜索策略。基于轮盘赌原则选择更优的迭代方式,进而使算法的收敛速度和精度有了显著的提高。基于频率残差和模态置信准则(MAC)建立结构损伤识别问题的目标函数,然后利用ABC算法,QABC算法和本文方法求解该目标函数,得到损伤识别的结果。利用一桁架结构做数值模拟,用简支梁结构进行实验验证。算例表明,改进的算法更能有效地检测出结构的局部损伤,具有对测量噪声不敏感、高效率以及高精度等优点。     

基于主成分分析的结构不确定性建模与传播研究

基于主成分分析提出一种新的结构不确定性建模方法。首先,对结构不确定性参数的样本数据进行主成分分析,获取正交化的特征向量;其次,以特征向量方向为新坐标系,将样本数据向其投影;最后,计算新坐标系下样本的边界值,并建立相应的非概率区间模型,从而实现结构参数不确定性建模。基于主成分分析建立的不确定性模型相对紧凑,且在建模的同时能将相关参数转换为互不相关参数,使得不确定性传播问题可以便捷高效求解。两个算例及与传统区间模型和平行六面体模型的不确定性传播比较,验证了本文方法的正确性和有效性。     

基于EMD改进算法的爆破振动信号去噪

为了解决振动信号经验模态分解(empirical mode decomposition, EMD)滤波去噪效果不佳的问题，提出一种自适应性正交经验模态分解(principal empirical mode decomposition, PEMD)的信号去噪方法。该算法融合了EMD分解的自适应性和主成分分析(principal component analysis，PCA)的完全正交性特点，对信号EMD分解过程中产生的模态混叠现象进行消除，得到了最佳的去噪效果。分析表明:PEMD在仿真模拟试验中相比于传统EMD算法和集总经验模态分解(ensemble empirical mode decomposition, EEMD) 算法，信噪比分别提高了1.15 dB和0.38 dB，且均方根误差最小；频域上PEMD对仿真信号频率(30 Hz)识别的灵敏度最高，30 Hz之外的噪声滤除效果最好。在爆破振动试验中，PEMD和EEMD去除噪声毛刺的效果较为理想，且PEMD在0～300 Hz的中低频振动信号保存效果最好，300 Hz以上的高频噪声滤除效果最好。     

基于时间序列分析的结构损伤特征提取与预警方法

基于在线监测数据的损伤诊断是结构健康监测的核心课题之一.本文基于时间序列分析ARMA模型探讨了结构损伤特征提取和损伤预警的实现方法.首先对监测数据建立ARMA模型,并基于模型中自回归部分参数,采用主成分分析的方法提出了新的结构损伤特征指标.然后采用t-检验考察该指标在损伤前后是否存在显著性的变化,从而可以有效地实现结构损伤预警.三跨连续梁数值算例表明,本文提出的损伤特征指标对结构的微小损伤具有敏感性,具备结构在线实时损伤预警的应用价值.     

基于MEMS惯性传感器的人体多运动模式识别

针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。     

基于Rayleigh-Ritz算法的梁裂缝损伤识别及试验研究

结构动态特性的变化则预示结构出现损伤，基于Ritz线性近似，文中提出一种裂缝损伤识别的方法，用以识别结构裂缝损伤位置及损伤程度。该方法分两步：首先用模态子空间近似关系．消去模态应变能表达式中的整体刚度矩阵和整体质量矩阵，避免模型误差对识别结果的影响。再采用计算向量空间夹角的方法分离损伤位置与损伤程度的耦合影响，进而识别出单元裂缝损伤位置；其次，识别损伤程度采用二次线性规划方法，不再计算特征值灵敏度。线性约束条件保证了二次规划问题的解是唯一的。模拟筒支梁几种裂缝损伤情况进行数值计算与模态试验，利用所得模态参数对该算法程序进行了验证，识别出了裂缝损伤的确切位置及损伤程度，并进行了误差对比。结果表明，该算法由于不用整体结构的数值模型，从而避免了边界条件、连接条件及材料特性参数等因素对识别结果的干扰，识别精度得到提高，将其用于结构损伤识别是可行的。     

改进的布谷鸟算法在结构损伤识别中的应用

布谷鸟算法受自然界中布谷鸟寻找鸟窝产卵过程启发而提出,其参数设置简单且效率高。为了平衡布谷鸟算法的求解速度和精度,提高算法的全局搜索能力,本文应用动态步长和锦标赛选择策略对原算法进行性能改进,并将其应用于结构损伤识别。在数值模拟中,选取频率等系统参数建立用于结构损伤识别的目标函数。基于改进的算法求解目标函数。最后分析得出结构损伤情况。数值结果显示,改进后算法准确识别损伤单元,并对噪声不敏感;验证了其有效性和实用性,可进一步应用于工程。     

结构紧固连接件损伤的神经网络诊断研究

在结构紧固连接件损伤诊断中采用了函数连接型神经网络。与常用的ＢＰ网络不同，函数连接网络通过对输入模式的增强来实现复杂模式的分类。它借助某种函数变换，将原始的模式特征向量变换成另一个更高维的形式，使原始空间里不能区分的类别，在这个高维空间中得以区分，减少了神经网络的层数，提高了网络的学习速度。诊断时选用正弦激振下结构中多个位置上传感器稳态响应的幅值构成表征损伤的特征向量，简化了特征提取的过程。数值模拟和实验结果表明，这一方法能对多个位置的损伤进行准确的识别     

轴对称壳体结构损伤识别方法研究

在对结构健康监测中的损伤识别方法进行调研与总结的基础上,针对某轴对称壳体结构开展损伤识别的动力识别方法研究.作者利用数值模拟技术评估了常用的动力损伤识别方法的有效性,选取出对研究对象损伤识别敏感量并实验验证指标识别有效性.进而在标识量敏感性分析的基础上,针对原有指标不足之处,提出了新的敏感指标,并与原有指标通过数值模拟对比验证其识别效果优越性.     

基于三角形周长的暗星全天球自主快速识别

随着星敏感器极限探测星等能力的提高,导航星暗星数目及识别特征库急剧增加,造成星图识别耗时长,误匹配率高。通过介绍传统的三角形星图识别算法原理及不足,结合主星识别算法思想,以主星对星角距和周长为识别特征,提出了一种基于三角形周长的暗星全天球自主快速识别算法。由于9.0Mv全天球导航特征库的构建过于繁琐,为了提高运算速度,采用NVIDIA图像处理器(GPU)并行计算架构,通过CUDA计算比CPU获得了20倍以上的加速。对特征库按周长构造了散列函数,分段存储成若干个子块。识别过程中,对观测三角形周长采用哈希查找法实现子块的快速定位,星角距的识别只在相应的子块内进行,提高了识别速度,增加了识别成功率。用实拍星图分别对基于星角距和周长特征的识别算法进行了验证,实验表明,两种算法均能实现9Mv星的识别,平均识别时间分别为37.7123 s和2.0422 s,后者具有明显的优势,能够大大提高星敏感器的数据更新率。     

基于改进云推理算法的塔架结构损伤识别

为了解决塔架结构的损伤识别问题,提出了基于应变能和改进云推理算法的损伤识别方法。首先描述了云模型的基本理论和数字特征,并给出了模态应变能的基本公式;然后分析了X条件云发生器和Y条件云发生器的基本算法和运行步骤,借助灰云模型建立相应的前件云和后件云规则,考虑了测量噪声的影响,利用云发生器生成多组云滴,并利用多模式下云滴的确定度和生成值构建了基本云推理算法及其损伤识别指标。基本云推理算法中常会产生不均匀发散的云滴,从而使计算结果产生一定的偏差,为了降低云滴发散产生的偏差影响,提出了基于损伤模式数量加权的云推理改进策略。计算结果表明:云推理算法可以较好地应用于塔架结构的损伤识别,其识别结果明显优于传统的应变能耗散率指标方法;而改进云推理算法进一步提高了识别的精度,优于基本云推理算法。     

矩形板结构损伤的分区域神经网络识别方法

通过引入LM优化算法，针对矩形薄板中对称结构的损伤识别问题，提 出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比 较高的问题，常会出现网络训练时收敛速度慢、网络预测精度低，并且当网络训练达到目标 误差时，输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题，利用选 取的组合输入参数，提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟 结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的， 其预测精度要明显的高于只用单个网络的预测结果，并且预测子网络对损伤的位置和程度是 同步输出的，从而避免了传统分步识别理论中子网络过多的问题.     

基于应变脉冲响应协方差的损伤识别方法研究

基于振动参数的结构损伤识别,是近年来土木工程的热点研究课题,振动参数包括频率、振型、频响函数、模态应变能、应变响应和加速度响应等,当结构损伤时,损伤位置附近将产生应力重分布,从而引起应变的变化,因此对比损伤前后的应变或者应变响应参数,可以用来识别结构损伤.提出了一种应变脉冲响应协方差参数,它是应变脉冲响应在时间区间上的能量积分;推导并证明了该参数是结构模态参数(频率,位移模态,应变模态,阻尼等)的函数,可用来表征结构状态.相比于传统的模态参数识别方法,可以保留更高阶的模态参数,而且避免了模态识别可能引起的误差;基于简支钢梁的多种损伤工况,研究和展示了该参数的特性,通过数值模拟发现,该参数能简单直观地判定损伤发生和识别损伤位置,无需建立结构分析模型,只需比较结构损伤前后的应变脉冲响应协方差参数即可;该参数简便易算,具有较好的抗噪性能,对结构损伤敏感,而且对结构刚度减少呈现一致变化特性,所以适合实际工程结构的健康监测和损伤识别.     

考虑质量变化的刚架结构损伤识别方法研究

结构构件出现缺口损伤时,伴随着结构质量的减小。为了更精确地识别结构损伤,以折减损伤单元截面积来模拟结构损伤,提出考虑结构质量变化的刚架结构损伤识别方法。该方法首先通过相对模态应变能指标对结构损伤进行准确定位;之后考虑梁单元截面特性变化的特点将单元刚度矩阵进行分解,以多个指标描述单元损伤,从而建立结构损伤程度识别方程,并用最小二乘方法对损伤指标进行求解。数值算例结果表明,本文方法能实现对刚架结构损伤位置的准确定位和损伤程度的精确识别,而且具有良好的抗噪性。     

基于SHAP-RF框架的越野车辆路面识别算法研究

根据越野车辆在不同路面上行驶时的动力学响应特征, 可以实现路面类型的在线识别, 为面向路面特征调整底盘控制子系统参数从而获取更好的行驶性能奠定基础. 但越野环境地面特征复杂, 车辆响应机理分析困难, 给基于车辆动力学响应进行路面准确识别带来挑战. 提出了一种SHAP-RF路面识别算法设计框架, 通过SHAP (Shapley additive explanations)模型解释方法实现高维随机森林(random forest, RF)路面识别模型的降维化: 首先采集了试验车在压实土路、沙地、良好沥青路与冰雪路4种路面上的行驶数据并计算了3个次级行驶特征; 进一步计算了行驶数据的共计105个时域特征和频域特征, 并以此为输入特征建立了高维随机森林路面识别模型; 利用SHAP解释法分析高维模型输入特征对识别结果的影响从而提炼出各个特征与路面类型的关联性, 完成特征筛选; 最后, 利用筛选后的特征设计降维随机森林路面分类器. 基于实车数据的算法验证试验表明, 设计的降维路面识别模型对4种路面的识别精确率在94%以上, 召回率在93%以上, 相比高维的随机森林路面识别模型, 各种路面上的精确率和召回率最大降幅不超过3.2%, 证明本文提出的SHAP-RF路面识别算法设计框架能够在选用较少特征的情况下依然保证车辆行驶路面类别的准确识别.      

基于改进粒子群优化粒子滤波的结构损伤识别

针对粒子滤波应用于结构损伤识别问题时出现的粒子退化、反演计算强不适定性等现象,提出了一种改进的粒子群优化粒子滤波损伤识别方法。在粒子滤波算法中,利用粒子群优化过程驱使粒子群朝着后验概率密度取值较大的区域移动,优化了粒子滤波的采样过程;同时,根据结构损伤参数分布的稀疏性特点,引入对粒子群中损伤参数部分的零变异操作,既增加了粒子的多样性,又有效改善了反问题求解不适定性,提高了算法损伤识别的鲁棒性。数值仿真和框架结构振动实验结果均表明,对于线性或非线性结构,本文方法均能有效抑制噪声干扰,准确识别不同损伤工况下结构损伤的位置与程度;在试验研究中,结构损伤参数识别结果的相对误差小于1.5%。