基于动静测试的融合灵敏度结构损伤识别方法

基于静力位移和固有频率灵敏度矩阵,考虑这两种动静测试数据,提出了融合灵敏度结构损伤识别方法。利用位移响应和固有频率分别对全局损伤敏感效应和全部结构振动特性进行整体度量,将这两种不同类型的响应数据融合为一种灵敏度矩阵,提出了融合准则（ Damage Identification Fusion Criterion,DIFC）。利用数值算例对本文所提方法进行了验证,并将识别结果与两种单工况下的灵敏度方法计算结果相比较。结果表明：融合灵敏度方法更加灵敏,特别是对于相对较小的损伤,能够较为准确地诊断损伤所在位置及损伤程度大小,误差仅为6.47%。     

基于小波包变换的梁式结构损伤定位方法

本文针对梁式结构,基于小波包变换理论,提出一种新的损伤定位方法。该方法利用小波包变换将结构的响应分解到不同的模态,引入曲率公式定义了新的小波能量指标,使得能量指标对损伤位置更加敏感。根据工程实际,构造了对应于结构区域的损伤指标。利用D-S证据理论对得到的各阶损伤指标进行数据融合,从而优化了识别结果。通过数值模拟和实验,对新提出的方法进行了验证,结果表明该方法有效,并可应用于工程实际。     

复合材料板冲击损伤检测的二维间隔平滑法

本文发展了一种基于振动的复合材料板的损伤检测方法,将原有的一维间隔平滑法(1D GSM,one dimensional gapped smoothing method)发展至二维(2D GSM),并进一步提出二维间隔平滑法的标准化损伤指标.与其他多数基于振动分析的损伤检测方法不同,该方法只需分析含有损伤结构的检测数据,无需结构健康时的数据或理论、计算结果作为对比信号,即可判定缺陷的存在,并能准确定位.针对由冲击造成的准各向同性碳纤维增强复合材料板中的层裂损伤,本文采用压电片阵列组合激励的方式,得到了复合材料板多频率扭转振型的同时激励,可实现快速、高效的损伤检测.通过扫描式激光测振仪测得结构在不同固定频率下的结构响应ODS(operational deflection shapes),利用提出的二维间隔平滑法,分析得出损伤指标.实验结果表明,二维间隔平滑法可以准确地检测碳纤维增强复合材料板的冲击损伤,并具有较好的精度.     

结构损伤的非概率区间识别方法

基于结构时域加速度响应,利用区间分析方法对具有外界激励和测量数据不确定性的结构系统进行损伤识别.不确定性量被处理为有界区间数,基于参考有限元模型和被测加速度响应,经过提出的两步模型参数的区间修正方法分别得到了未损伤和损伤结构区间模型,进而通过定义的PoDE(Possibility of Damage Existence)确定了结构各单元的损伤可能性.最后以十杆平面桁架系统为例,对区间方法与概率方法的损伤识别结果进行对比,讨论了损伤程度和不确定度对识别结果的影响,结果表明了本文方法的可行性与有效性.     

环境激励下Benchmark结构损伤识别的试验研究

针对结构健康监测中如何利用在线监测数据进行健康诊断的问题,基于时间序列分析提出了一种新的损伤识别方法.首先,获得结构健康状态的监测数据作为参考状态样本,对各数据样本建立ARMA模型并计算模型残差的方差.然后,将未知状态的监测数据作为待检状态样本,代入已建立的参考状态ARMA模型计算新的残差方差.计算发现,损伤前后两状态模型残差方差存在差异.因而,提出以残差方差之比作为损伤敏感特征,并建立基于F分布的假设检验来辨识结构的状态并预警损伤.最后,以Benchmark结构在环境激励下的试验为例,运用本文方法进行了损伤识别研究.结果表明,基于ARMA模型残差方差的损伤敏感特征可准确地区别结构的健康状态和损伤状态,具备结构在线实时损伤识别的应用价值.     

结构健康监测中的损伤检测技术研究进展

对结构健康监测研究中的结构损伤检测方法及其特点进行了介绍.从基于结构模态分析的方法和基于结构动态试验信号处理的方法两方面,阐述了结构健康监测中的损伤检测方法及其最新研究进展.基于结构模态分析的结构损伤检测方法是针对整个结构的检测,使用的模态都限于低阶模态范围内,所检测的结构应容易建立有限元模型,便于进行响应预测.基于结构动态试验信号处理的损伤检测方法通常是针对结构局部构件的损伤检测,不需要对结构进行有限元建模,而直接从测试的动态响应信号中提取表征结构损伤的特征参数.文中提出了对比性损伤检测方法和非对比性损伤检测方法的概念,并对结构损伤检测中常用的信息传感与处理技术进行了论述,指出了结构损伤检测研究中应该考虑的传感器布置问题.提出了将损伤信息的主动检测与被动检测相结合进行损伤程度判断和剩余寿命估计等问题是有待进一步深入研究的课题.      

基于静力残余力向量的结构损伤评估方法

残余力向量法是一类常用的损伤识别方法,现有的残余力向量法都是基于动力测试的模态参数,和动力测试数据相比,静力测试数据往往精度更高,且无需模态分析等复杂操作.鉴于此,本文提出一种静力残余力向量法用于结构损伤评估.所提方法利用静力测试位移数据,并结合结构有限元模型的刚度矩阵,定义了静力残余力向量,根据该向量中不为零的元素来判断损伤自由度,再根据自由度和单元之间的对应关系来确定发生损伤的位置,并进一步提出一种求解损伤参数的代数解法.另外,针对实践中角位移难以测量的情况,进一步提出了一种静力缩聚残余力向量法,拓宽了所提方法的应用范围.以桁架结构和梁结构模型为例对所提方法进行了验证,数值算例结果说明所提方法合理有效.     

改进的小损伤结构动力学有限元建模方法

在遗传算法或神经网络方法识别结构损伤位置和程度时,都是基于少量的在线测量的损伤结构振动响应数据和大量的模型仿真数据来实现的,因而建立高效和精确的损伤结构动力学有限元模型,以便仿真获得损伤结构的大量动力学响应数据是十分重要的基础前提工作。本文针对ANSYS结构分析软件在建立结构小损伤有限元动力学模型存在两个关键问题,结构损伤处直接网格划分的计算结果误差和网格节省问题,以结构损伤振动检测的实际需要为出发点,提出了建立含小损伤结构的ANSYS动力学建模技术,研究了结构局部小损伤及其位置与所在处单元刚度矩阵变化的数量关系。     

特征值摄动法在利用动响应结构小损伤检测中的应用

目前在使用遗传算法或神经网络方法进行结构动力学损伤检测,需要基于少量的在线测量损伤结构数据和大量的数值仿真数据来实现,其中通过有限元方法来获得仿真数据的巨大计算量是动力学结构损伤检测方法发展中所面临的一个重要问题。本文在建模方面应用近年来提出的调整单元刚度模拟损伤的先进方法,以保证在损伤前后结构自由度数目不变;在此基础上应用特征值摄动法来减少损伤检测中计算量,并通过对复合材料层合板响应信号的小波分析验证了使用一阶矩阵摄动在有效降低计算量的同时,可以获得对损伤检测而言足够准确的响应信号。     

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.     

Non-probabilistic information fusion technique for structural damage identification based on measured dynamic data with uncertainty

Based on measured natural frequencies and acceleration responses,a non-probabilistic information fusion technique is proposed for the structural damage detection by adopting the set-membership identification(SMI) and twostep model updating procedure.Due to the insufficiency and uncertainty of information obtained from measurements,the uncertain problem of damage identification is addressed with interval variables in this paper.Based on the first-order Taylor series expansion,the interval bounds of the elemental stiffness parameters in undamaged and damaged models are estimated,respectively.The possibility of damage existence(PoDE) in elements is proposed as the quantitative measure of structural damage probability,which is more reasonable in the condition of insufficient measurement data.In comparison with the identification method based on a single kind of information,the SMI method will improve the accuracy in damage identification,which reflects the information fusion concept based on the non-probabilistic set.A numerical example is performed to demonstrate the feasibility and effectiveness of the proposed technique.     

Sequential non-linear least-square estimation for damage identification of structures

An early detection of structural damage is an important goal of any structural health monitoring system. In particular, the ability to detect damages on-line, based on vibration data measured from sensors, will ensure the reliability and safety of the structures. In this connection, innovative data analysis techniques for the on-line damage detection of structures have received considerable attentions recently, although the problem is quite challenging. In this paper, we proposed a new data analysis method, referred to as the sequential non-linear least-square (SNLSE) approach, for the on-line identification of structural parameters. This new approach has significant advantages over the extended Kalman filter (EKF) approach in terms of the stability and convergence of the solution as well as the computational efforts involved. Further, an adaptive tracking technique recently proposed has been implemented in the proposed SNLSE to identify the time-varying system parameters of the structure. The accuracy and effectiveness of the proposed approach have been demonstrated using the Phase I ASCE structural health monitoring benchmark building, a non-linear elastic structure and non-linear hysteretic structures. Simulation results indicate that the proposed approach is capable of tracking on-line the changes of structural parameters leading to the identification of structural damages.     

一种新的结构损伤识别试验方法研究

提出在构件上增设附加质量来模拟结构损伤的试验方法,证明了质量增加与刚度降低的等价关系.以简支梁为例,给出了采用附加沙袋法、悬挂质量法两种附加质量方式模拟结构损伤的具体试验方案,完成了多工况下简支梁附加质量模拟结构损伤的动测试验.通过试验验证了本文所提方法的正确性,得出了在梁构件上采用附加沙袋法可准确模拟出不同损伤位置、...     

On-line identification of non-linear hysteretic structures using an adaptive tracking technique

System identification and damage detection based on vibration data have received considerable attention recently because of their importance to structural health monitoring. Various technical approaches have been proposed in the literature; however, the on-line identification of the changes of parameters for non-linear structures due to damages is still a challenging problem. In this paper, we propose an on-line adaptive tracking technique, based on the least-square estimation, to identify the system parameters and their changes of non-linear hysteretic structures. The method proposed is capable of tracking abrupt or slow changes of the system parameters from which the damage event and the severity of the structural damage can be detected and evaluated. Simulation results for tracking the parametric changes of non-linear hysteretic structures are presented to demonstrate the application and effectiveness of the proposed technique in detecting the structural damages.     

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。     

Damage detection in structures using modified back-propagation neural networks

A nonparametric structural damage detection methodology based on neural networks method is presented for health monitoring of structure-unknown systems. In this approach appropriate neural networks are trained by use of the modal test data from a ‘healthy’ structure. The trained networks which are subsequently fed with vibration measurements from the same structure in different stages have the capability of recognizing the location and the content of structural damage and thereby can monitor the health of the structure. A modified back-propagation neural network is proposed to solve the two practical problems encountered by the traditional back-propagation method, i.e., slow learning progress and convergence to a false local minimum. Various training algorithms, types of the input layer and numbers of the nodes in the input layer are considered. Numerical example results from a 5-degree-of-freedom spring-mass structure and analyses on the experimental data of an actual 5-storey-steel-frame demonstrate that neural-networks-based method is a robust procedure and a practical tool for the detection of structural damage, and that the modified back-propagation algorithm could improve the computational efficiency as well as the accuracy of detection Project supported by the National Natural Science Foundation of China (No. 59908003) and the Natural Science Foundation of Hubei Province (No. 99J035).     

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.