基于机电阻抗技术的管道法兰结构健康监测实验研究

基于机电阻抗技术,采用一种新型压电陶瓷纤维复合材料MFC(Macro-fiber composite),对管道连接处法兰的螺栓工况进行监测实验研究。首先,研究了螺栓扭矩大小对管道法兰结构的阻抗的影响程度。在对螺栓开始施加扭矩时阻抗值变化明显,当扭矩增大到一定程度后,阻抗变化减缓。同时进一步研究了松动螺栓数量与管道法兰结构的阻抗变化之间的关系。结果显示,结构的损伤值随松动螺栓个数的增加呈线性增长。采用均方根偏差统计算法,对在不同工况条件下管道法兰结构处测得的阻抗值进行了有效的分析和处理。结果表明,采用MFC作为压电敏感元件的机电阻抗法,用于管道法兰结构健康监测具有较好的稳定性和应用潜力。     

基于压电阻抗技术的奥氏体不锈钢力学损伤定量监测

采用压电阻抗(Electro-mechanical impedance,EMI)技术对奥氏体不锈钢在拉伸过程中的力学损伤进行了定量监测实验研究.选择不同损伤状态下阻抗谱谐振峰频率偏移量△f及均方根偏差(Root-mean-square deviation,RMSD)值作为损伤识别指数,结果表明:在试样弹性变形阶段,△f和RMSD值很小,并且在加载过程中基本保持不变或小有波动;试样发生塑性变形以后,二者均明显增加,其中,△f值由0.05kHz随加载应力逐渐增加至1.65kHz时试样发生断裂,而RMSD由1.3％增大至17.6％后逐渐减小.文中对这种差别出现的原因及两参数各自的特点进行了讨论.显微分析结果证实材料弹塑性转变过程中两参数的变化与试样微观损伤具有很好的对应性,表明利用压电阻抗技术监测和评价核电管道用奥氏体不锈钢的力学损伤具有可行性.     

基于压电阻抗的结构缺陷评价方法的实验研究

介绍基于压电动态阻抗的结构健康诊断新技术. 在阐述其基本原理的基础上,用压电陶瓷作为驱动源产生的动态阻抗信息,从实验的角度定性评价几种结构缺陷,证实该方法的可行性.     

基于阻抗法的预应力波纹管密实性试验研究

针对预应力波纹管中压浆不密实的问题,提出了一种基于压电阻抗法的预应力波纹管密实性检测研究方法。运用压电阻抗法的结构健康监测原理,定义了预应力波纹管灌浆密实性指标的均方根偏差RMSD(Root Mean Square Deviation),通过测试粘贴在波纹管底顶板的压电陶瓷传感器PZT(Piezoelectric Ceramic Transducer)和嵌入到波纹管内部的智能骨料SA(Smart Aggregate)的电阻抗值,与灌浆100%工况相比研究了灌浆0%、灌浆50%以及灌浆90%等工况下的电阻抗实部与虚部的频谱曲线变化规律。结论是密实性指标RMSD随预应力波纹管密实性增加而减小。上述研究成果验证了阻抗法对波纹管密实性检测的有效性。     

基于神经网络的结构分析与优化技术研究进展

近几年来，神经网络在结构分析与优化中得到了应用，本文介绍即将形成的神经网络结构近似分析方法、神经网络结构分析方法、神经网络的结构优化策略等新的研究领域的研究进展。     

环境温度影响下基于LSTM神经网络识别结构损伤

环境温度的改变会引起模态参数的变化,其变化程度会掩盖或部分掩盖损伤引起的变化量,导致结构健康监测系统发出假阳性或假阴性的误判,因此,消除温度效应是提高损伤识别精度的关键。本文基于LSTM神经网络提出了一种环境温度影响下识别结构损伤的方法。充分利用LSTM神经网络的非线性映射优势,建立多元温度-模态频率的相关模型,在此基础上采用数据标准化方法消除温度效应,并结合控制图判断模态频率异常变化以确定损伤状况。最后将所提方法在数值模型和实际桥梁中加以应用,结果表明,方法能够有效消除温度效应;结合控制图能识别损伤时刻,并具有一定的抗噪性;在实桥数据分析中仍能表现出较好的损伤敏感性。     

基于动态神经网络非线性结构辨识的研究

利用Ｅｌｍａｎ动态递归神经网络,对非线性结构进行黑箱辨识,建立了它的非线性状态方程;提出了加快网络收敛速度的自适应学习算法。辨识结果表明,动态递归网络模型优于传统辨识模型,适于非线性、不确定结构的辨识。     

腐蚀管道的剩余强度计算方法研究

对目前国内外常用规范进行归纳和总结，得到5种常用方法：ASME-B31G, DM方法, Wes-2805-97, CVDA-84和$J$积分方法. 本文将BP神经网络和遗传算法相结合，得到一种新 的神经网络，并将这种神经网络成功用于计算腐蚀管道的剩余强度和最大允许注水压力. 通 过示例分析，对7种常用规范和本文提出的改进的遗传神经网络方法进行了比较，得到下面 结论：不同计算方法计算得到的剩余强度和最大允许注水压力相差较大，Wes-2805-97规范、 ASME-B31G规范、CVDA-84规范等都比J积分方法计算得到的剩余强度和最大允许注水压力 偏大、偏保守；DM断裂力学方法计算得到的剩余强度和最大允许注水压力比J积分偏小、 偏危险；J积分方法和基于J积分方法的改进的遗传神经网络方法计算结果比较接近，比较 适中，可以认为是计算剩余强度和最大允许注水压力较好的方法.     

结构可靠度分析的改进BP神经网络响应面法

对功能函数不能明确表达即具有隐式功能函数的问题进行可靠度分析,常采用响应面法。其中二次多项式响应面法应用较为广泛,采用与此方法相同的思路,人们提出了BP神经网络响应面法。在此基础之上,笔者提出了改进的BP神经网络响应面法。对以上方法计算效果,通过算例进行了对比分析,其中改进BP神经网络响应面法计算精度较好,进行有限元分析次数较少。该方法用于大型复杂结构的可靠度分析,可相应提高工作效率和解题质量,具有一定实际应用价值。     

基于神经网络的隐式显化方法在结构可靠度分析中的应用

针对结构可靠度分析中极限状态方程不能明确表达的情况,结合神经网络技术,提出了隐式极限状态方程转换为显式表达式的方法.该方法利用神经网络的非线性映射能力,构造出显式表达的极限状态方程,从而可以很方便的引入一次二阶矩等其他基本求解方法进行结构可靠度分析.实例数值结果表明,基于神经网络将隐式函数转化为明确表达的极限状态方程是可行的,同时该方法具有较高的精度,为结构可靠度计算提供了新的有效思路和手段.     

BPNN用于含氮、硫杂环润滑油添加剂抗磨性能的定量构效关系研究

采用反向传播神经网络法(Back Propagation Neural Network,简称:BPNN)对31种含氮、硫的2-烷基黄原酸酯类润滑油添加剂的抗磨性能进行了摩擦学定量构效关系(Quantitative Structure Tribo-ability Relationship,简称:QSTR)的研究,得到了具有良好的稳定性和预测能力的BPNN-QSTR模型(R~2=0.998 4,R~2(LOO)=0.695 9,q~2=0.879 1).参考输入层的12种2D和3D结构描述符的敏感度,对影响抗磨性能的分子结构进行了相应的探讨.结果表明:分子中的N和S杂原子对其抗磨损性能有显著的影响;同时,分子长度、所含双键S原子和芳香环数量以及分子支化程度等都是影响抗磨性能的主要因素.     

基于BP神经网络的条纹级数插值方法

数据采集是光测力学数据处理自动化的关键和难点，特别是对条纹稀疏和低级数区．针对上述困难，本文利用ＢＰ神经网络能对函数进行逼近的特征，对条纹插值进行了探讨；经研究改进后的算法，其收敛速度明显提高．作为例子，给出了一幅光弹性等差线条纹图的插值实验，获得了令人满意的结果．     

人工神经网络在GPS自主式完整性检测中的应用

基于ＢＰ网络，结合ＧＰＳ接收机自主式完整性检测问题，给出一种用于ＧＰＳ自主式完整性检测的ＢＰ神经网络，通过实验优化了网络参数，经仿真实验表明这种方法是有效可行的。     

基于神经网络改进WENO-Z重构方法

本文通过使用深度神经网络对WENO-Z格式的非线性权重进行改进,提出了一种新的WENO-Z-NN格式．新格式首先用神经网络去随机扰动有限体积系数集,然后用代表偏微分方程解的波形生成的数据,采用L2正则化来学习扰动的最优函数,最后引入测试函数并结合最小总变差和最小总偏差作为评估依据进行后处理,从而得到新的权重．一维波动方程和一维Euler方程的数值结果表明,无论是在粗网格还是在细网格,本文所提出的WENO-Z-NN格式的激波捕捉能力明显优于传统的WENO-Z和WENO-JS-NN格式．     

基于神经网络的界面裂纹尖端场分析

通过构造反向传播神经网络,对裂纹尖端的应力场进行模拟,进而实现对裂纹尖端应力场甬数的逼近。得到的网络具有较高的联想、记忆能力和相当的稳定性,并且可以快速、准确地得到带裂纹构件的裂纹尖端应力场,从而确定裂纹尖端的塑性区和分析裂纹的扩展。数值计算给出了LY12-CZ材料裂纹扩展方向的计算结果,与实验结果吻合较好,还给出了两相材料含界面裂纹在复合型载荷作用下的塑性区形状的变化情况,并对两相材料含界面裂纹在复合型载荷作用下裂纹的扩展方向进行了预测。