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.     

压电智能梁的阻抗分析与损伤识别

压电陶瓷具有正、逆压电效应,可以用作自驱动传感器．该文对表面粘贴有单片压电陶瓷的压电智能钢梁进行了阻抗分析．讨论了单压电片驱动下钢粱的纵向振动和弯曲振动,得到了压电智能梁的机械阻抗．介绍了压电片与基梁的机电耦合作用及基于压电阻抗技术的结构损伤识别机理．以两端自由钢梁为例对压电智能梁的压电阻抗进行了数值与实验验证,结果表明数值计算结果与实验结果基本相符．利用压电阻抗技术对两端自由的裂纹钢梁进行了损伤识别实验研究,实验结果发现,裂纹的出现引起高频段压电阻抗实部和虚部曲线出现了明显的变化;随着裂纹尺寸的增大,曲线谐振频率和反谐振频率逐渐减小．由此可见,通过测量钢梁损伤前后压电陶瓷片的电阻抗变化能够识别梁中的裂纹损伤．     

基于概率神经网络分类器的数据融合损伤检测方法

为了有效地利用来自大型结构健康监测系统大量冗余、互补的信息进行结构健康状况评估,本文从数据融合的基本原理入手,将小波分析、概率神经网络和数据融合等技术有机地结合起来,提出了一种5阶段的决策级数据融合损伤检测新方法,最后用2个数值算例验证了方法的有效性,并探讨了测量噪声对损伤识别的影响.研究结果表明,所提出的方法是可行、有效的.     

基于主动监测系统的AR模型谱分析方法

建立了用于驱动器激发响应信号分析的AR谱数学模型，并对面板峰窝复合材料结构的脱粘损伤进行了实例分析．结果表明，AR模型谱具有连续光滑易于提取损伤因子等待点，应用于主动监测信号的定量表征是非常有效的．     

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。     

压电智能结构冲击定位方法的实验研究

基于压电智能结构，构成冲击荷载监测系统，冲击样本的应力波信号经Hilbert变换变为连续的瞬态时序信号后，提取时间和峰值等特征信息训练BP神经网络，在线监测时由神经网络根据压电响应信号映射冲击荷载的位置。实验表明，该方法定位精度高，稳定性好，用于层合板结构低能量冲击的健康监控是可行的。     

利用振动模态测量值和神经网络方法的结构损伤识别研究

提出了一种基于模态测量参数和神经网络的结构损伤检测方法,建造了两种输入方式的BP神经网络,即自振频率以及结合自振频率与振型,并讨论了不同数量的输入信息对结构损伤检测精度和计算效率的影响。证明了输入的参数越多,神经网络就越聪明,训练的收敛速度越快;以及在保证一定的测量精度的情况下,基于频率与振型的损伤识别结果要好于基于频率的检测结果。最后,通过对3层框架模型的4种损伤工况下的结构损伤检测结果的分析,认为利用模态测量参数和神经网络方法能够准确地识别结构损伤的位置,而且能较精确地识别结构损伤的大小。     

随机激励下柔性智能梁结构振动的模糊自适应控制

对柔性智能梁结构提出了一种具有结构和参数学习能力的模糊神经网络控制方法,该法摒弃了常规的以BP算法来优化整个网络参数的作法,利用遗传算法对网络全局性参数进行离线优化,利用BP学习算法对网络局部性参数进行在线调节。以柔性智能悬臂梁为例,实现了对其在随机激励下的振动控制。仿真结果表明,模糊神经网络控制算法对智能结构的振动控制具有一定的鲁棒性和自适应性。     

Lamb波理论及层合板冲击损伤的实验研究

从理论上分析了板中Lamb波信号的传播特性,并给出Lamb波在板中传播的频散方程。理论分析及实验均表明,Lamb波的频散特性与复合材料结构损伤有着直接的联系,而且最低阶的对称和反对称Lamb波模态对层合板的损伤比较敏感,但应用Lamb波的频散效应监测结构的损伤在检测技术上还难以实现。根据板中导波形成Lamb波的共振原理,板中应力波的幅频特性很大程度上反映了Lamb波的谐振特征。因此,利用压电元件的压电阻抗谱分析应力波的各阶模态频率及振幅对结构损伤的变化,能够反映材料内部损伤与Lamb波的频散特性。文中针对表面粘贴压电元件的层合板智能结构,建立了包含Lamb波谐振模式的压电阻抗计算模型。冲击损伤试件的实验表明,由于结构损伤的出现压电阻抗谱中的模态频率及其阻抗幅值等特征信息将发生变化。因此,引入应力波损伤因子可以对结构冲击损伤的存在和程度进行初步评价。该方法基于结构的机-电动态阻抗特性,不受结构的几何形状限制,测试用的压电元件成本低,方法简单可行,有望在智能结构的健康诊断方面获得应用。     

基于BP神经网络与小冲杆试验确定在役管道钢弹塑性性能方法研究

为了能够在不停输油气工况下获得在役管道材料的弹塑性力学性能, 提出了一种人工智能BP (back-propagation)神经网络、小冲杆试验与有限元模拟相结合,通过确定材料真应力-应变曲线从而获得材料弹塑性力学性能的方法. 首先,通过系统改变Hollomon公式中的参数$K$, $n$值,获得457组具有不同弹塑性力学性能的假想材料本构关系, 其次,将得到的本构关系代入经试验验证的含有Gurson-Tvergaard-Needleman(GTN)损伤参数的小冲杆试验二维轴对称有限元模型,通过有限元计算得到了与真应力-应变曲线一一对应的457条不同假想材料的载荷-位移曲线,最终将两组数据作为数据库输入BP神经网络进行训练,建立了同种材料小冲杆试验载荷-位移曲线与真应力-应变曲线之间的关联关系.通过此关联关系,可利用试验得到的小冲杆载荷-位移曲线获取在役管道钢的真应力-应变曲线,从而确定其弹塑性力学性能.通过对比BP神经网络得到的X80管道钢真应力-应变曲线与单轴拉伸试验的结果以及引用现有文献中不同材料的试验数据对此关系进行验证,证明了该方法的准确性与广泛适用性.      

基于转角模态和小波神经网络的连续梁损伤识别研究

基于小波奇异性检测原理和神经网络非线性映射能力,结合结构基本模态参数,提出了一种结合小波神经网络与结构转角模态的损伤识别方法．首先,建立三跨连续梁的有限元模型获取结构模态参数,并对其进行Mexihat小波变换,通过系数图突变点判断结构损伤位置．然后,将小波系数模特征向量作为BP神经网络的输入,分别研究了该方法在单损伤和多损伤工况下的识别能力．最后将不同工况下神经网络预测值与结构实际损伤程度进行对比,得到单处损伤预测误差平均值为0.22%,多处损伤预测误差平均值分别为0.22%和0.18%,结果表明该方法在结构损伤识别方面的有较高有效性及精确度．     

组合神经网络在结构损伤检测中的应用

子结构的动态响应变化与整体结构相比,对结构内部损伤反应更为敏感。组合神经网络可以克服单个神经网络功能的单一局限性,实现更加全面综合的仿真识别功能。本文首先运用双协调自由界面模态综合法对结构进行模态分析,获取各子结构及整体结构的模态信息。然后,通过组合BP神经网络将损伤子结构与整体结构的模态频率变化率组合起来进行结构损伤检测。该方法在改善网络训练性能的同时,提高了检测结果的准确性和可靠性。文章最后通过数值算例验证了该方法的可行性和有效性。     

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Mindlin板理论的偏移损伤成像数值仿真研究

提出了一种应用散射Lamb波的偏移技术对板结构中多部位损伤进行实时识别. 基于Mindlin板理论,推导了板结构中弥散性弯曲波频率-波数域的快速偏移方法. 首先对由线性传感器阵列激励和接收到的入射和散射波场在波数-频率域分别进行延拓,然后根据Huygens原理,结合波场延拓的时间一致性原理施加成像条件,对损伤进行成像识别. 数值仿真研究采用基于Mindlin板理论的有限差分法模拟结构中含不同形状及尺寸损伤时的散射波场. 对模拟散射波场进行偏移成像的结果表明该方法不仅能够识别多部位损伤的位置,还具有识别损伤程度的能力,其快速计算的优点满足在线结构健康监测系统对实时性的要求.      

2021-03期目录

针对毁伤试验数据少、不均匀、不连续、范围窄等带来的计算精度不高的问题。研究通过数据挖掘技术进行毁伤效应计算。利用数据库管理毁伤数据,通过数据清洗技术识别并清除数据异常点,以保证数据库中数据的质量。建立了算法评价方法以选择最优经验算法。通过特征选择对高维毁伤数据进行降维,确定毁伤效应的主要控制参数进行神经网络学习和k-近邻检索。在此基础上建立基于数据融合的“三阶段”毁伤效应计算模型,可依据试验数据、经验算法和神经网络模型进行毁伤效应计算。实际应用表明,所提出的计算方法,能够满足实际应用需求。     

高温对砂岩宏细观损伤及BP神经网络单轴强度预测研究

为了研究高温后砂岩的力学特性和宏细观损伤变化,对高温作用后的砂岩进行单轴压缩试验、声波损伤检测、X射线衍射试验、扫描电镜试验,分析应力-应变曲线、峰值应力、峰值应变、弹性模量、质量损失率、X射线衍射成像和电镜扫描图像,得到砂岩的细观损伤变化对其单轴抗压强度的影响。利用BP神经网络模型对不同物理量进行训练,预测不同高温作用后砂岩单轴抗压强度。研究结果表明:随着温度升高,砂岩峰值应力和弹性模量均降低,峰值应变、质量损失率和体积均增大,砂岩的外观颜色由黄色过渡到棕红色直至呈土灰色;微缺陷(微裂隙和孔洞)的发育明显,晶体结构破坏加剧,内部生成CaO和CO₂,孔隙率、热损伤程度增大,声速减小,强度降低。建立BP神经网络模型,利用文献数据验证模型可行性,模型预测值与试验值最大误差8.25%,可靠度较高。     

基于神经网络算法的建筑结构振动分散控制研究

针对地震作用下建筑结构振动分散控制问题,引入神经网络算法,研究结构振动分散神经网络控制策略,来解决分散控制中各子系统的耦合问题和神经网络算法的训练成本问题.利用径向基函数RBF(Radical Basis Function)神经网络模型并基于newrb函数构建了RBF神经网络控制器,对某20层Benchmark结构模型分别进行集中控制和多工况子系统划分分散控制的数值模拟分析,结果表明,提出的各子系统耦合的分散RBF神经网络振动控制策略考虑了子系统间的信息共享,可有效控制结构的振动响应,且子系统达到理想训练结果所需的训练次数与BP网络相比显著降低.     

基于代理模型的箭体连接结构极值响应分析与优化

螺栓法兰连接结构在航空航天等工程领域中广泛应用，其力学性能在不同工况和装配情况下十分复杂。由于拉压刚度差异，含连接结构的箭体动力学响应呈现明显的非线性特征。因此，考虑不同连接参数及工况下的连接非线性动力学响应，对结构优化设计有着重要意义。本文针对以双线性弹簧表征螺栓法兰连接非线性的箭体等效动力学模型，基于径向基函数(RBF)神经网络和响应面法分别建立其连接面处的极值响应代理模型，对比发现RBF神经网络模型在较高精度上可以实现对动响应极值的预测及分析；同时分析了不同载荷参数及刚度变化对连接结构动响应极值的影响；最后，利用RBF神经网络代理模型，开展了连接面加速度极值响应与螺栓弹簧力最小化为目标的连接结构参数优化。