基于自适应BP神经网络的结构损伤检测

描述基于人工神经网络的结构损伤检测的基本步骤以及该方法在实际5层钢框架结构损伤检测上的应用．提出了一种改进的BP神经网络方法，它能够解决传统BP神经网络在实际应用中存在的两个问题：收敛速度慢并存在局部极小．其基本思想是引入动态自适应算子加速传统BP算法的梯度下降速度，从而提高运算速度，通过自调节保证学习过程中每一时刻具有较大的sigmoid函数值，从而可以避免局部极小．数值仿真结果表明基于该自适应神经网络的结构损伤检测方法具有强的鲁棒性，而且与传统的BP神经网络相比，不仅提高了计算速度，并且具有很高的精度．最后，实例的应用也证明了该方法的有效性．     

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．     

基于宏观调控策略的结构损伤检测PSO改进算法

结构损伤检测是结构健康监测过程重要的一步,数学上常常转化为求解约束优化问题。针对粒子群优化(PSO)算法易于出现的"早熟问题",采用市场经济条件下的宏观调控策略对早熟前粒子群位置进行干涉,藉以增强PSO算法抵抗局部极小的能力,达到改进PSO算法的目的。四个基准测试函数极值问题分析结果验证了改进后的PSO算法优于带权重因子的PSO算法,两层刚架单损伤和多损伤数值仿真以及三层建筑框架结构四种损伤工况试验研究进一步证明了改进后的PSO算法在结构损伤检测领域的应用是有效可行的。     

地震作用下主-从结构的被动优化控制研究

提出了一种利用主－从结构间的相互作用来减少在地震作用下结构响应的控制方法。该方法通过优化设计主－从结构间的被动耗能单元,最大限度地耗散结构的相对振动能量能减小主、从结构的整体振动水平,或最大限度地吸收主结构的相对振动能量以减小主结构的振动。文章首先导出了在平稳白噪声激励下被动耗能单元优化刚度和阻尼的一般表达式,并分析了不同结构参数对控制效果的影响,比较了在不同的平稳过滤白噪声激励下主－从结构相对位     

增强纤维梯度分布的层合圆柱壳双稳态特性研究

基于无伸张双稳态圆柱壳两参数模型,研究了增强纤维梯度分布层合圆柱壳的双稳态特性和纤维分布模式、杨氏模量之间的关系.纤维含量从层合壳的中面到表面按幂函数规律分布.获得了一定条件下层合圆柱壳成为双稳态结构对纤维含量和分布模式的要求,并分析了纤维杨氏模量对圆柱壳双稳态性能的影响.     

基于模型缩聚的结构损伤统计识别

提出了一种基于有限元模型缩聚技术的结构损伤统计识别方法,该方法仅需要少量传感器的测量数据.首先基于模型缩聚技术建立确定性的损伤识别过程,然后利用摄动法将概率过程融入确定性的损伤识别中,从而得到了一种基于概率统计的结构损伤识别方法.该方法通过计算未知参数(如损伤构件的弹性特征)对于测量噪声的一阶与二阶偏导数,来得到这些未知参数的均值与协方差矩阵.文中不仅阐述了该方法的理论推导过程,而且通过一个门式框架的数值仿真研究,并结合Monte Carlo数值模拟技术验证了该文方法的正确性.     

基于MTMD的大跨度人行悬索桥人致振动控制

大跨度人行悬索桥柔度大且阻尼小,易在人群荷载激励下产生过大振动,导致舒适度不满足规范要求.对于此类结构,需要采取有效减振措施控制其动力响应.本文介绍了多重调谐质量阻尼器(MTMD)对主跨600 m人行悬索桥的人致振动控制性能.利用有限元软件建立了某大跨度人行悬索桥模型,以德国EN03规范为计算依据,计算了悬索桥的人致振...     

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。     

结构动力模型修正方法的比较研究及评估

在实际工程中,由结构动力模型得到的计算值与通过试验获得 的测量值间往往存在偏差，为了能够精确预测结构的动力响应，依 据测量信息修正存在的动力模型是非常必要的.对现有几种有效的用 于结构动力模型修正的理论方法(包括基于敏感性分析的矩阵型法、 基于神经网络算法的参数型法和基于遗传优化算法的方法)做了详细 的综述;介绍了这些方法的步骤和研究进展;并分析了这些动力模型 修正方法在工程运用中存在的一些实际问题，如不完整的模态测量值、 模型修正的鲁棒性、模型修正的计算效率和收敛性等.最后，通过对 一实际的五层钢框架的动力模型修正，比较了这几种方法的优缺点， 提出了今后需要解决的问题.     

Noise analysis for sensitivity-based structural damage detection

As vibration-based structural damage detection methods are easily affected by environmental noise, a new statistic-based noise analysis method is proposed together with the Monte Carlo technique to investigate the influence of experimental noise of modal data on sensitivity-based damage detection methods. Different from the commonly used random perturbation technique, the proposed technique is deduced directly by Moore-Penrose generalized inverse of the sensitivity matrix, which does not only make the analysis process more efficient but also can analyze the influence of noise on both frequencies and mode shapes for three commonly used sensitivity-based damage detection methods in a similar way. A one-story portal frame is adopted to evaluate the efficiency of the proposed noise analysis technique.