一种基于卷积神经网络的结构损伤检测方法

针对结构健康监测系统产生的海量数据难以高效分析的问题,采用了一种基于二维卷积神经网络的损伤识别检测方法,该方法直接将结构在外界激励作用下的加速度时程数据作为输入信息,通过卷积神经网络自动提取加速度数据中的隐含特征,识别结构的损伤.以板的损伤识别为例,给出了卷积神经网络损伤识别模型的输入数据格式、网络结构和训练方法,分析了卷积神经网络分别在不含噪声,含噪声5%、10%以及混合噪声情况下的损伤识别能力.测试结果显示这种基于加速度输入的卷积神经网络具有较高的损伤识别精度和抗噪能力,从而为结构健康监测系统数据分析和损伤识别提供了一种新的途径.     

桥梁结构全息模态参数识别方法试验研究

针对传统桥梁结构健康监测中使用的接触式传感器存在数据离散性大、安装程序繁琐、难以反应桥梁结构整体状况等局限性,本文基于全息视觉传感器智能监测系统,识别结构全息几何形态在相应时空域上的振动信号,较为准确的获取结构全息图像数字化位移坐标信息,同时针对提取的振动位移进行频谱分析,获取桥梁结构的模态参数,实现对桥梁状况的基本识别。本文对一座缩尺模型桥进行试验验证,研究结果表明：全息视觉传感器智能监测系统测试结果与位移传感器测试结果吻合度较高,针对竖向荷载响应的功率谱,两种方法实测结果在低频范围内都能够较好地吻合,振型变化趋势基本一致。基于全息视觉传感器智能监测系统的桥梁形态监测真实、连续、敏感,较为准确地反映了结构在各工况下的位移变化和模态响应,后期将会进一步优化全息视觉传感器监测系统识别灵敏度,实现在各种工况激励下的高阶模态参数和结构损伤识别。     

桥梁健康监测应用与研究现状

桥梁损伤诊断与健康监测是近年来国际上的研究热点 ,在实践方面 ,土木工程和航空航天工程、机械工程有明显的差别 ,比如桥梁结构以及其他大多数土木结构 ,尺寸大、质量重 ,具有较低的自然频率和振动水平 ,桥梁结构的动力响应极容易受到不可预见的环境状态、非结构构件等的影响 ,这些变化往往被误解为结构的损伤 ,这使得桥梁这类复杂结构的损伤评估具有极大的挑战性 .本文首先给出了结构健康监测系统的定义和基本构成 ,然后集中回顾和分析了如下几个方面的问题 :①损伤评估的室内实验和现场测试 ;②损伤检测方法的发展 ,包括 :(a)动力指纹分析和模式识别方法 ,(b)模型修正和系统识别方法 ,(c)神经网络方法 ;③传感器及其优化布置等 ,并比较和分析了各自方法的优点和不足 .文中还总结了健康监测和损伤识别在桥梁工程中的应用 ,指出桥梁健康监测的关键问题在于损伤的自动检测和诊断 ,这也是最困难的问题 ;最后展望了桥梁健康监测系统的研究和发展方向     

跨海大桥健康监测的关键技术分析

以舟山大陆连岛工程为背景，阐述和讨论了在跨海大桥中开展健康监测的重要性和研究现状，并分析了跨海大桥健康监测和损伤识别所面临的关键技术问题和研究趋势，提出了考虑非线性效应和荷载激励特征来开展复杂结构损伤识别的研究思路，以提升通过大型健康监测系统来实现桥梁损伤评估的能力。     

桥梁的损伤识别

现在很多桥梁都安装了监测系统 ,自动损伤识别是桥梁健康监测系统的核心技术和热点研究问题。文章介绍了几种桥梁损伤的识别方法 ,包括动态法、静态法、有模型法、无模型法、位移法、应变法以及 BP和 RBF神经网络法的比较。目前健康监测系统尚不具备损伤识别能力。如何设计一个高效的用于结构损伤识别的自动损伤识别系统 ,是个值得研究的问题     

基于随机子空间的钢管混凝土拱桥模态参数识别

结构模态参数识别是结构健康监测领域研究的重点.基于随机子空间法理论,在环境激励下对某钢管混凝土拱桥拱肋进行模态参数识别,得到该桥拱肋的固有频率、阻尼比和振型等模态参数;用Midas-Civil有限元软件建立该桥梁的计算模型;对实测结果和计算结果进行对比,验证识别结果的可靠性.试验结果可作为该桥梁的损伤识别、使用状态评估和健康监测的基础.     

基于损伤柔度曲率矩阵的人行天桥损伤识别研究

为了研究基于损伤柔度曲率矩阵的损伤识别方法在人行天桥上的适用性,将此方法用于人行天桥模型和实际工程的桥梁结构分析中。通过对人行天桥简支钢箱梁损伤前的完好结构及各类损伤工况下的损伤结构进行数值模拟,得到各工况下的这一损伤识别指标的损伤识别性能,对其进行分析。之后将此方法用于实际的人行天桥动力模态试验中,在随机环境激励的情况下使用动态信号采集分析系统对人行天桥进行动力模态试验。研究发现,损伤柔度曲率矩阵这一指标对于人行天桥具有良好的损伤识别性能,并且其抗噪声能力、微小损伤识别能力以及对于实际工程的适用性能皆有良好表现。     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

基于插值fast Fourier transform谐波分析的桥梁状态评估方法

桥梁的环境振动信号包含了各种环境噪声成分,如何从噪声影响中提取桥梁的真实自振频率,并进行桥梁状态评估是亟待解决的问题.本文对环境激励下的大跨桥梁响应信号进行了研究,根据环境激励在低频段近于平白噪声以及线性系统在环境激励下,各输出点测量信号之间相关函数与结构的脉冲响应函数具有相同的数学表达式——均是主频正弦函数的叠加这一特点,建立了插值fast Fourier transform(FFT)频谱校正技术分析各测点相关函数的方法.该方法能在白噪声背景下精确提取桥梁振动频率、幅度和相位等模态参数,简单实用,不仅能在线识别参数,而且对桥梁单点激励和多点同时激励均适用.将校正后的主频与三维有限元计算结果相对比,能对桥梁结构整体状态和工作性能进行评估.最后,一座实桥动力试验和计算结果证明了该方法的能有效用于运营条件下桥梁状态的评估.     

钢管砼系杆拱桥模态参数识别及有限元仿真

以宁杭南河特大桥主桥-钢管砼系杆拱桥为背景工程进行成桥的动态试验,利用环境激励下桥面的动力响应数据进行全桥的动力特性参数识别,采用PDV100激光测振仪测得拱桥的吊杆内力.基于ABAQUS建立整幅桥梁的三维有限元模型,结合所识别的桥面模态参数以及测得的吊杆内力,对钢管砼系杆拱桥的有限元模型进行修正.研究结果表明:经修正后的模型能更准确地反映结构的动力特性,可作为桥梁结构健康监测中损伤识别与安全评估研究工作的基准模型.     

基于静力位移数据的桥梁结构损伤识别方法

当前桥梁营运状态健康监测越来越受到重视,近十多年来国内外学者一直在寻找能适用于复杂结构的整体探伤评估方法,也使得结构的损伤识别在大跨度桥梁健康监测领域中成为一个研究热点[1]。本文在总结和研究当前国内外桥梁结构损伤识别理论的基础上,提出了一种基于静态位移测量数据结合有限元计算的结构损伤识别方法,与动力损伤指纹法相比,静态方法具有更高的识别精度和可操作性。数值模拟分析证明了该方法的有效性。     

基于时频分析与神经网络的桥梁冲刷动力评估

桥梁基础水文作用是引起桥梁结构功能及安全性能失效的首要原因,而桥梁冲刷又是水文作用最主要的表现形式.依托舟山大陆连岛工程金塘大桥主通航孔桥,提出一种基于时频分析与神经网络的桥梁冲刷动力评估方法.首先,利用白噪声地震波模拟环境振动激励,采用动力时程分析法模拟环境激励下的上部结构振动,并获得其加速度响应,同时在振动过程中实时模拟基础冲刷深度的连续发展,进行环境振动激励下桥梁模态参数与冲刷发展的关联性分析,研究该方法的识别敏感性.进而,利用数值动力参数分析研究上部结构既有局部损伤多种组合形式对桥梁结构模态参数的扰动程度,以确定非冲刷损伤形式对桥梁冲刷动力评估方法准确性的干扰.最后,以模态分析中的低阶模态参数作为样本输入,以冲刷深度与墩位的不同组合作为样本输出,建立BP神经网络,实现桥梁冲刷深度与墩位的同步评估.研究结果表明:利用自振频率构建的动力指纹对冲刷发展较为敏感;该方法无论对冲刷深度还是冲刷墩位均具有较高的识别准确度,且可忽略有限局部损伤对识别准确性的干扰.该方法不需要水下操作,不需要昂贵的测试设备,仅需要加速度传感器以及数据采集装置,便于融入常规桥梁检测项目中.     

基准结构自振频率的人工神经网络识别

针对美国IASC-ASCE的结构健康监测科研组提出的基准结构进行结构自振频率识别研究.神经网络训练时使用的数据为有限元程序计算所得出,将有损伤结构在环境激励下某点的加速度响应,通过快速傅立叶变换得到的离散频率响应函数作为神经网络的输入;将损伤结构的自振频率作为神经网络的输出.通过对在不同噪声水平下训练的神经网络的识别结果进行分析比较,结果表明:应用人工神经网络进行结构自振频率识别是切实可行的.     

基于NEXT/ERA时域联合算法的模态参数识别

归纳总结了NEXT法和特征系统实现算法的基本思想,以及实施的基本步骤.在此基础上,基于matlab编制了模态识别程序.以东海大桥监测数据作为算例进行数值分析,成功识别了大桥的竖向振动动力学参数.识别结果可为桥梁动力特性计算,抗震分析,健康监测和损伤识别等提供基础数据.     

基于应变信号时频分析与 CNN网络的车辆荷载识别方法

针对现有神经网络车辆荷载识别方法的识别精度不足且训练样本采集困难的问题,提出了一种基于应变信号时频分析与CNN网络的车辆荷载识别方法,对移动车辆总重进行荷载识别.首先,利用连续小波时频变换方法处理桥梁跨中应变信号,得到应变信号的时频特征,并利用双线性插值算法将时频信号矩阵变为大小为64×64的数值矩阵,作为CNN网络的输入数据;其次,利用CNN网络的回归学习算法,在训练少量数值矩阵后直接建立应变响应与车辆荷载的映射关系,从而实现对未知车辆荷载的识别;最后,通过模拟试验发现虽然在不同路面粗糙度和噪声影响下,CNN网络的荷载识别结果会受到不同程度的影响,但在一定范围内的路面粗糙度和噪声影响下仍然能较精确地识别车辆荷载.     

桥梁预警系统中两种损伤识别方法的对比分析

损伤识别技术是桥梁安全预警系统中的关键内容,损伤识别的方法还决定着整个系统的工作性能。通过对连续箱梁桥的仿真分析,从对损伤的灵敏性、定位的准确性以及对测试误差的抗干扰性三个方面出发,结合理论设定不同的工况对曲率模态法和柔度矩阵法进行综合的对比分析,研究了曲率模态法和柔度矩阵法在桥梁安全预警系统中的适用性问题,为桥梁安全预警系统中损伤识别方法的选择提供了依据。     

桥梁健康监测系统概念设计

针对目前国内外桥梁健康监测系统的研究现状,深入总结和思考了目前桥梁健康监测研究存在的问题并且从概念意义上指出了诸如桥梁安全预警和桥梁损伤识别等关键问题可能的解决思路.根据桥梁不同状况及经济因素,梳理了三个等级的桥梁健康监测系统的框架,给出了每一等级健康监测系统设计的方法和应用条件.最后,初步探讨了桥梁健康监测系统设计的准则和设计步骤.取得的研究成果为桥梁健康监测系统的实用化研究提供了参考.     

荞麦蛋白的组成与功能成分研究进展

基于动力测试采用柔度变化率对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、锤击激励和环境激励,传感器布置方式包括稀布传感器和密布传感器两种方案。试验研究结果表明：柔度变化率可以识别梁式结构主梁的损伤位置;锤击激励产生的加速度信号损伤识别的效果最好;传感器的密布可以增加环境激励和车辆激励进行损伤识别的精度;斜拉桥的索力大小不影响柔度变化率进行主梁的损伤识别的效果。     

基于长期动力特性监测数据的大跨度桥梁安全性能评估

为了满足快速、准确地进行大跨度桥梁安全性能评估的需要,提出了一种利用健康监测系统的动力监测数据评价预应力混凝土连续刚构桥的长期安全性能的方法.介绍了一座大跨度连续刚构桥健康监测系统动力测试的基本情况,并比较了环境振动测试和健康监测系统动力测试的结果.利用连续刚构桥的自振频率温度修正模型,采用考虑温度效应的实测动力特性对连续刚构桥有限元模型进行修正,得到反映实际状态的基准有限元模型,通过汽车荷载试验的结果验证该计算结果的准确性.最后,根据基准有限元模型的计算结果与设计计算结果的比较评估桥梁当前的安全性能.结果表明:根据长期动力特性监测结果修正的基准有限元模型能够反应桥梁实际工作状态,评估结果具有很好的精度,可以有效地应用于大跨度桥梁长期安全性能评估.     

模拟环境激励下结构模态参数识别试验研究

为了实现结构基于振动特性的健康监测,进行了在线模态参数识别。综合自然激励技术和特征系统实现算法,进行了模拟环境激励下结构的时域模态参数识别。利用特征灵敏度分析得到质量归一化振型。对一个两层钢支撑框架模型进行了模拟环境激励试验和力锤激励试验;通过改变结构质量和特征灵敏度分析,得到质量归一化振型;同时进行了有限元计算分析。通过试验模态参数识别与有限元计算得到的模态参数的对比,证明了该方法的有效性。