基于应变模态和稀疏贝叶斯学习的网架结构损伤识别

传统稀疏贝叶斯学习算法进行损伤识别时需要对每个单元进行刚度损伤系数的迭代更新,当结构单元众多时,存在计算效率低和对振型的完备性要求高等问题.本文提出了损伤识别两步法,首先利用应变模态差指标进行疑似损伤单元的判断;接着以单元刚度损伤系数为目标参数,建立结构损伤识别的多层次稀疏贝叶斯学习模型,利用稀疏贝叶斯学习算法进一步识...     

基于小波变换的钢结构连廊损伤识别

以某实际钢结构连廊为背景,采用ANSYS软件建立连廊结构的三维有限元分析模型,通过现场环境振动测试验证了文中连廊结构模型的合理性.针对这一较复杂结构的损伤识别问题,文中基于小波变换理论,构建了一种“变异放大系数”.本文的数值计算算例表明,利用这种“变异放大系数”曲线的峰值可以更有效地判别损伤位置,而“变异放大系数”峰值的大小则可较方便地判别结构的损伤程度.同时,文中探讨了不同小波函数和尺度伸缩因子对连廊结构单处和两处损伤的识别效果的影响,给出了小波函数和尺度伸缩因子的取值建议.     

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．     

基于曲率模态和小波奇异性的结构损伤识别

传统的傅立叶变换适合确定一个函数奇异性的整体性质,而难以确定奇异点在空间的位置及分布情况.小波变换具有在时域和频域局部放大的性质,在工程中获得广泛应用.由于曲率模态具有较高的灵敏度,仅仅需要较低阶的模态信息就可获得很好的识别效果.本文据此提出了采用损伤前后曲率模态残差小波变换系数方法对结构损伤进行识别,通过该小波变换系数的分布情况来确定结构的损伤指标.为验证该方法的有效性,通过选用具有线性相位的双正交样条小波,对一梁结构进行了数值模拟.结果表明,采用该方法不但对单一损伤而且对多损伤均能有效地识别出结构的损伤位置.     

基于修正模态应变能指标的板结构损伤定位

为解决模态应变能方法识别中产生的"邻近效应"问题,提出基于修正模态应变能指标的板结构损伤定位方法.该方法首先利用邻近测点的应变能变化相对大小计算权重系数,再根据权重系数对测点相应区域的应变能进行重新分配.此外,通过定义的损伤辨识度指标研究噪声对损伤定位结果的影响.为验证本文所提方法的可行性和有效性,以一个四边简支板为数值算例.算例结果表明,本文方法对于点状、块状和带状损伤都可以实现准确定位,且具有良好的抗噪性.     

基于模态振型和平稳小波变换的悬臂梁微小缺陷识别研究

结构损伤识别方法有很多种,通常结构振动模态振型对缺陷的损伤识别较为敏感,振型体现结构的固有属性及结构局部的特征,可以用于检测缺陷的存在及其位置。但是缺陷比较微小时,仅仅通过振型难以进行损伤识别。因此本文通过对振型进行平稳小波变换处理来检测悬臂梁的微小缺陷。通过有限元模态分析获得含不同缺陷深度、不同缺陷宽度、不同缺陷位置的悬臂梁模型的振型并利用平稳小波变换进行分析处理。结果表明:该方法可以准确判断缺陷的存在及其位置,并且平稳小波细节系数突变峰值随着缺陷深度增大而增大,随着缺陷宽度增大而增大;另外,该方法受振型节点影响,在工程实际应用时应综合前几阶次振型进行缺陷识别。     

基于小波变换的摩擦噪声模态耦合机理研究

观察分析了往复滑动摩擦条件下摩擦噪声的形成和发展过程，探讨了摩擦噪声的产生机理．结果表明：在往复滑动摩擦条件下产生了2种具有明显不同特征的摩擦噪声：第一种摩擦噪声在摩擦系数较小的摩擦初期即存在，对应的法向主振动与切向主振动几乎同时发生；第二种摩擦噪声在摩擦系数比较大时才出现，对应的法向主振动发生于切向主振动之前．利用小波变换技术进行分析后发现，第一种摩擦噪声对应的动态摩擦力不是源于法向力变化，而第二种摩擦噪声对应的动态摩擦力则明显源于法向力变化，前者同模态耦合机理不符，而后者则支持模态耦合机理．     

基于应变能等效指标的结构损伤识别技术研究

为了解决结构的多损伤识别问题,提出了一种基于应变能等效指标的损伤识别方法.首先给出了损伤前后模态应变能变化的表达式以及能量耗散公式,然后根据结构的能量耗散与应变能的变化值等价的原理,建立了一个四阶等效方程,最后求出了该方程的四个根,并通过对该方程四个根的分析得到了一个应变能等效指标,通过该指标可以方便的求解损伤的位置和程度.数值仿真结果表明,基于应变能等效指标的损伤识别方法不仅可以精确的识别出损伤的位置和程度,而且其识别精度明显好于应变能耗散率方法.     

基于小波分析和变异系数的简支梁桥损伤识别

为了提高对桥梁结构损伤位置的识别精度及准确性,利用应变对结构局部损伤敏感的特性,提出了基于小波分析和变异系数的简支梁桥损伤识别新方法。在移动荷载作用下,对简支梁桥动态应变响应进行二进离散小波变换,将叠加在一起的多阶模态响应进行分离;根据差分法和统计参数,构建出低阶应变响应的变异系数双重曲率(Double Curvature of Variation Coefficient,DCVC)损伤指标。以简支梁桥作为研究对象,将所提方法通过有限元数值模拟和模型实验给予验证。研究结果表明:该方法成功摆脱了对健康结构响应数据的依赖,可以准确识别出简支梁桥不同位置不同程度的单处、多处损伤,且受移动荷载行驶速度的影响较小,在简支梁桥损伤识别研究中具有很好的识别效果。     

基于小波变换在线结构损伤检测分析研究

传统的傅立叶变换只能确定一个函数奇异性的整体性质,而难以确定奇异点在空间的位置及分布情况.小波变换具有空间局部化性质,利用小波变换来分析信号的奇异性及奇异性位置和奇异度的大小是比较有效的.在结构发生损伤时,结构的刚度发生了变化,因此结构动力响应的在线监测信号相应的发生了间断点,由于小波分析具有刻划信号局部特征的作用,通过对结构响应进行小波分解以后可以确定结构是否出现损伤以及确定损伤发生的时刻.     

基于小波分析的梁裂缝识别研究

利用小波分析对筒支梁的裂缝进行识别。将带裂缝筒支梁的基本振型用Mexican Hat小波进行连续小波变换，从小波系数在裂缝处出现模极大值可以识别出裂缝位置，利用由小波系数计算得到的Lipschitz指数来识别裂缝深度，Lipschitz指数随着裂缝深度的增加而减小。通过分析和仿真计算获得满意结果，在仿真算例中分析了裂缝位置对Lipschitz指数的影响很小，可以忽略；振型的测点距离越大，Lipschitz指数越大。同时指出噪声对Lipschitz指数有影响但在噪声不很大时仍能较好地识别裂缝。该方法同样适用于多条裂缝的识别和其他构件的裂缝识别。     

基于梁连续抗弯刚度与小波变换的结构损伤识别方法研究

为了解决基于小波变换系数难以识别结构边缘损伤的问题,以及试验中损伤对周边的影响导致小波系数难以精确定位损伤位置的问题,提出了基于梁连续抗弯刚度与小波变换的结构损伤位置识别方法。该方法结合梁结构连续抗弯刚度与小波系数边缘的特点,在未知无损梁结构振动参数的情况下,能有效识别出梁结构边缘损伤且能准确定位试验中梁结构的损伤,通过损伤梁的数值模拟与试验证明了该方法的正确性。     

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。     

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。     

小波分析在悬臂梁裂纹识别中的应用

基于空间信号的小波分析理论,将含裂纹悬臂梁前四阶振型信息直接用于小波变换,小波系数在空间域上的突变反映了裂纹的存在并指出了裂纹的位置.本文分析了前四阶振型对小波识别结果的敏感性,利用小波系数模极大值在尺度上的表现与Lipschitz指数之闻的关系建立了集中因子和裂纹深度之间的关系,以此来估计裂纹深度.鉴于实测信号往往是含噪声信号,分析了噪声对识别结果的影响规律.数值算例表明利用sym4小波对含裂纹梁的四阶振型信息进行小波分析可以准确地识别出裂纹的位置和深度;高阶振型对结构损伤较为敏感,高阶振型更适合于微裂纹和含噪声信息的处理,但高阶振型的非线性也会给裂纹识别带来一定的困难.使用本文方法进行结构裂纹参数识别,噪声对裂纹位置的影响只是指示清晰度的影响,基本不会产生错误的识别,而对裂纹深度的影响远比对位置的影响复杂,由于小波系数混入了噪声成分,从而增加了集中因子的取值,致使识别结果总是比真实结果偏大.     

腐蚀环境下结构系统疲劳主要失效模式识别

疲劳主要失效模式识别是结构系统疲劳可靠性理论研究的主要内容之一。本文研究了腐蚀环境下结构系统疲劳主要失效模式识别方法:(1)建立了腐蚀环境下结构元部件损伤随机模型,对该模型的适用性作了讨论;(2)研究了识别结构系统疲劳主要失效模式的全局分枝约界法,与结构元部件损伤随机模型结合,实现腐蚀环境下结构系统疲劳主要失效模式识别,并对算法执行过程作了调整;(3)引入了一种安全裕量方程确定方法。理论分析和数值算例表明,本文所提算法可实现腐蚀环境下结构系统疲劳主要失效模式识别。     

Fourier and wavelet analyses for fatigue assessment of concrete beams

We investigate damage detection in a simply-supported pre-stressed beam. A crack was propagated by fatigue loads, which were applied up to two million cycles. Both fast Fourier transform (FFT) and continuous wavelet transform (CWT) are used in the analysis of the structural response to impulse loads. The acceleration response of the full-scale beam was measured each time a certain number of cycles of fatigue loads were applied. The results of this study show that both methods can clearly identify the crack growth induced by fatigue loads. The natural frequencies found by FFT are sensitive to the crack progression. The results from the CWT analysis show a clear difference in structural responses between the initial and damaged states of the structure. The response accelerations are de-noised by a soft-thresholding method before they are analyzed by CWT. In addition to the frequency components, the CWT shows the moment in time when particular frequencies occur. Therefore, wavelet analysis has the potential of becoming an effective tool for damage detection and health monitoring of structures for which the natural frequencies are irregularly changing. As the crack grows, the magnitude of ridges obtained by CWT analysis decreases significantly, which indicates the reduction in structural stiffness.     

Damage detection by system identification. An application of the generalized singular value decomposition

Summary A new method of damage detection is introduced. The mathematical formulation of the dynamical system is based on a state-space model. The physical system is measured and described by parameters of the state-space realization, which are estimated by the generalized singular value decomposition. Influence coefficients, evaluated from the parameters of the mathematical model, allow for damage detection. The suitability of the new method is demonstrated by an experimental model.