基于应变模态小波变换的框架结构损伤识别研究

采用应变模态的小波变换方法研究了框架结构的损伤识别问题。以有限元分析求解含裂缝平面框架应变模态为基础,利用Guass2小波对框架的应变模态进行小波变换,再用db3小波对应变模态小波变换系数进行去噪处理,最后通过对去噪处理后的小波系数模极大值点来识别框架结构裂缝的位置,建立了基于应变模态小波变换识别平面框架损伤的方法。以一层平面框架为例,分别给出了框架梁含有裂缝、框架柱含有裂缝、框架梁和柱均含有裂缝的有限元模型,计算得到结构的应变模态,并通过应变模态小波分析来识别平面框架裂缝的位置。从识别结果发现,经小波去噪处理后应变模态小波系数的模极大值点能够有效识别框架结构的损伤,数值计算验证了方法的有效性。本文研究对工程结构损伤诊断有参考价值。     

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.     

基于模态数据的长细结构小损伤精确识别研究

本文针对现有的损伤识别方法不能满足部分结构损伤识别精度要求的现状,对结构的小损伤精确识别方法开展研究．以长细结构为研究对象,对具有不同损伤位置和损伤程度的圆柱形的轻阻尼梁结构进行了数值分析和实验研究,应用数值计算方法和实验确定的特征向量和特征频率对长细结构裂缝参数进行识别计算．本文在研究过程中编制了一个创新性的预测程序,通过其一次性生成目标函数图来选择合适的初始参数,从而对识别结果进行分析．研究结果表明,应用本文提出的识别方法,裂缝位置的识别误差可以控制在0.05 %~0.28 %范围内,裂缝深度识别误差低于7 %．     

基于模态参数考虑边界条件变异的桥梁结构损伤识别

根据桥梁结构的实际工程特性,分析其边界条件变异、结构损伤及其参数变化,采用约束优化理论,建立以实测和理论模态参数误差平方和最小为目标函数的优化反演问题。基于矩阵摄动理论引入与结构动力方程对应的特征值和特征向量的一阶、二阶摄动量,将优化反演问题简化为非线性最小二乘法优化反演问题。针对桥梁结构边界条件对模态参数影响显著的实际情况,实施桥梁结构边界条件预识别,采用单元模态应变能方法预定位损伤,提出考虑边界条件变异的桥梁结构损伤识别具体流程。以一磁浮轨道梁方案为例,采用数值模拟进行边界条件变异及损伤的识别验证,结果表明:该方法能够有效识别边界条件的变异及构件损伤,识别参数的相对误差最大为12.48%,具有较高的识别精度。     

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.     

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。     

环境温度影响下基于支持向量机与强化飞蛾扑火优化算法的结构稀疏损伤识别

结构处于自然环境中常会受到环境温度变化的影响,引起实测动力响应出现较大误差,进一步影响对结构健康状况的判定.另外,基于优化算法的损伤识别在反演损伤位置及量化损伤程度时,易出现局部最优解,且计算效率低下.针对以上难题,本文提出一种结合支持向量机与强化飞蛾扑火优化算法的损伤识别方法,用于对环境温度影响下的结构稀疏损伤进行识...     

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Rayleigh-Ritz算法的梁裂缝损伤识别及试验研究

结构动态特性的变化则预示结构出现损伤,基于Ritz线性近似,文中提出一种裂缝损伤识别的方法,用以识别结构裂缝损伤位置及损伤程度。该方法分两步：首先用模态子空间近似关系．消去模态应变能表达式中的整体刚度矩阵和整体质量矩阵,避免模型误差对识别结果的影响。再采用计算向量空间夹角的方法分离损伤位置与损伤程度的耦合影响,进而识别出单元裂缝损伤位置;其次,识别损伤程度采用二次线性规划方法,不再计算特征值灵敏度。线性约束条件保证了二次规划问题的解是唯一的。模拟筒支梁几种裂缝损伤情况进行数值计算与模态试验,利用所得模态参数对该算法程序进行了验证,识别出了裂缝损伤的确切位置及损伤程度,并进行了误差对比。结果表明,该算法由于不用整体结构的数值模型,从而避免了边界条件、连接条件及材料特性参数等因素对识别结果的干扰,识别精度得到提高,将其用于结构损伤识别是可行的。     

识别时变结构模态参数的改进子空间方法

给出了基于整体数据子空间方法的改进算法,原方法对噪声的影响极为敏感,基于原方法的关键是计算一个与原系统的广义能观阵的特征值相同的矩阵的基本事实,将求矩阵的过程转化为最小二乘的问题,然后用广义能观阵替换输出矩阵,对数据进行滤波,从而有效地降低了算法对噪声敏感性,但同时增加了计算量。利用奇异向量矩阵的正交性,将最小二乘问题中求矩阵伪逆的过程简化为求该矩阵的转置,从而降低了计算量,改进后的算法能够在提高算法对噪声的敏感性的同时降低计算量。最后利用改进后的方法辨识出一个两自由度弹簧质量块模型在三种不同的刚度变化形式下的伪模态参数,并通过与使用原方法所得的结果比较,验证了以上结论。     

一种桁架结构损伤识别的柔度阵法

利用试验获得的一阶模态参数,提出了一种桁架结构损伤识别的柔度阵法,应用有限元方法柔度阵,建立结构振动特征方程,结构损伤后,引起柔度阵发生改变,从结构振动特征方程出发,对柔度矩阵做关于结构物理参数变化量的一阶泰勒展开,可以确定结构物理参数的变化量,识别结构损伤部位及损伤程度,通过一个桁架结构损伤识别的数值模拟证明了该方法的有效性。     

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。     

基于深度学习和近场动力学的层合板冲击工况识别

在冲击荷载作用下复合材料会产生断裂和分层等损伤。基于损伤数据对冲击工况进行识别，对改善复合材料的设计和确保其安全使用具有重要意义。基于此，本文提出一种基于深度学习和近场动力学（PD）理论的层合板冲击工况识别方法。首先使用改进的表面修正系数PD理论建立复合材料层合板刚体冲击损伤演化分析PD模型，PD模型数值模拟结果结合噪声数据增强技术构建层合板的冲击工况数据库；基于深度学习-卷积神经网络（CNN），对不同工况下的冲击损伤演化数据进行训练，实现对未知冲击工况的识别。结果显示，对于钢球冲击速度和角度的识别准确率均高于90%。     

基于L1正则化的随机梁式结构静力损伤识别方法

提出了一种结合摄动法和L1正则化方法的随机梁式结构静力损伤识别方法。考虑初始模型误差和测量误差的影响,建立了关于随机损伤指数的控制方程,并将摄动法和L1正则化方法相结合,对随机损伤指数的控制方程进行求解,进而从概率的角度对结构的损伤进行识别。损伤试验结果表明,和传统的最小二乘求解法相比,本文方法能够更为准确地识别多处局部损伤的位置及大小,对实际结构损伤检测具有较好的参考价值。     

大跨度钢桁桥模型的精细化损伤定位模拟和试验研究

在役大跨钢桁桥数日众多,其杆件往往较长,所以识别出损伤杆并找出局部损伤所处位置对安全评定和加固尤为重要。针对这一问题,参考我国在役钢桁梁桥,基于健康监测的试验目的和相似理论设计制作了贝雷梁式筒支钢桁桥Benchmark模型。根据其结构形式、具体尺寸,并经试验结果修正,建立了基准Matlab有限元模型。环境激励下,首先隔...     

基于移动车载响应的连续梁损伤识别

应用有限元法将连续桥梁结构离散为两跨耦合欧拉-伯努利梁模型.利用Newmark直接积分法求出在移动车载作用下桥梁的动态响应,并进一步推导出动态响应桥梁对物理参数(如杨氏模量)的时域灵敏度.在反问题中利用基于响应灵敏度的有限元模型修正法识别出桥梁的局部损伤,并讨论了人工测量噪声对损伤识别结果的影响.算例表明本文方法能够快速有效地识别出耦合梁系统的局部损伤,并具有精度高、对测量噪声不敏感等特点.     

基于贝叶斯理论的恢复力模型参数识别方法

提出了基于贝叶斯理论的恢复力模型参数识别方法,该方法考虑了模型误差的影响,结合实测滞回曲线数据,不仅可以得到模型参数的最有可能值,而且可以得到模型参数的定量的不确定性。以密肋复合墙体在低周反复荷载作用下所得滞回曲线为例,提出了可考虑刚度降低、捏拢滑移及极限荷载后强度降低现象的恢复力模型,建立了基于贝叶斯理论的恢复力模型参数识别计算框架,推导得到了模型参数的负对数似然函数,据此可得到模型参数的最有可能值及协方差矩阵。对标准密肋复合墙体预制试件和现浇试件的恢复力模型参数进行了识别,将根据模型参数最有可能值得到的滞回曲线及根据模型参数最有可能值及协方差矩阵得到的骨架曲线,与相应的实测值进行了对比,验证了所提方法的可行性及识别结果的合理性,更新的模型参数概率分布可用于后续的抗震风险评估。     

基于静力测量数据的随机梁式结构损伤识别

考虑模型误差和测量误差的影响,用概率的观念给出了静力荷载作用下梁式结构的模型误差和测量误差的定义,在此基础上,建立了关于损伤指数的随机控制方程.结合静力凝聚法和摄动法,给出了关于随机损伤指数的随机方程的求解方法.在获得随机损伤指数的解后,可通过结构损伤的概率定义对梁式结构损伤进行识别.最后利用几个数值算例验证了本文方法的有效性.