一类矩阵方程最小二乘问题的LSQR方法

讨论了对称斜反对称矩阵的结构,应用LSQR方法求解最小二乘问题‖XTAX-B‖=min（A为待求对称斜反对称矩阵）,并给出了相应的算法及数值例子.     

基于CQGA-LSSVM的桥式起重机主梁损伤识别

针对桥式起重机在使用中存在主梁损伤等结构问题,引入刚度变化指标将主梁的损伤识别问题转化为桥起主梁局部刚度的计算,并采用云量子遗传算法对最小二乘支持向量机中最佳模型参数进行优化调整,二者结合实现了对主梁的损伤识别.实验结果表明:所提改进方法无论是针对主梁单损伤还是多损伤,均可精确完成主梁损伤定位及损伤程度预测,并具有较好的抗噪性,是一种准确、有效的结构损伤识别方法.     

基于ASCE SHM Benchmark模型的两阶段结构损伤识别方法

近年来,一种激励未知和输出部分已知条件下结构局部损伤识别的新方法得以提出,这种方法能基于子结构思想进行复杂结构的局部损伤识别,基于此方法,提出两阶段的损伤识别策略,并将其应用于第1阶段ASCE SHMbench-mark模型的case 4的4种损伤识别,以检验此方法的有效性.在第1阶段,提出8-DOF的损伤模型以进行损伤层的定位;第2阶段,利用子结构的思想,提出12-DOF的损伤模型,在包含损伤层的子结构中对损伤进行准确识别和定位.采用扩展卡尔曼方法对增广状态向量进行估计并使用最小二乘对未知激励进行递推,识别未知激励下的结构物理参数.损伤识别的结果显示,此方法能高精度地识别benchmark模型的各种损伤情形.     

基于系统最小实现的结构损伤识别试验研究

基于系统最小实现,在不求解结构模态参数的前提下,提出一种新的结构损伤识别方法,为结构损伤识别提供一种新的思路.通过实测结构响应数据建立待识别结构的系统最小实现矩阵;利用2-范数将系统最小实现矩阵(包含结构信息)凝聚成一个模式向量,进而得到该模式向量对结构参数变化的灵敏度;最后通过建立灵敏度矩阵,对结构损伤位置以及损伤程度进行识别.通过一个5层框架模型试验分析,表明该方法具有一定的可行性.     

基于不完备模态测试信息的结构损伤识别方法研究

测试信息不完备、测量噪声等因素是制约结构损伤识别方法应用的主要难点.为此首先采用部分测点的实测模态振型数据和未测点的有限元模型模态振型数据构造出完整的模态振型.其次,建立了一种适合梁系和杆系结构的基于不完备测试信息的损伤识别方程,并采用Levenberg-Marquardt非线性最小二乘算法进行了方程的求解.由于采用的是标量损伤模型,该方法可以同时进行结构的损伤定位和定量研究.最后,用一个平面桁架模型进行了数值模拟,重点考查了实测自由度数、模态数、测试噪声对损伤识别结果的影响.研究表明,在测试数据不完备及一定噪声水平条件下,该方法仍有较好的损伤识别能力.     

基于过桥汽车动力响应的桥梁损伤识别

为了识别桥梁结构的损伤,提出了由过桥汽车的加速度响应识别桥梁损伤的灵敏度分析方法.将桥梁等效为等长的欧拉梁单元,汽车等效为单自由度3参数模型,将桥梁各单元抗弯刚度的减小(即损伤的程度)定义为损伤因子.根据损伤因子,采用最小二乘法和正则化方法,可用测试得到的汽车加速度响应识别桥梁损伤.结果表明:损伤识别结果对汽车参数变化比较敏感,汽车过桥行驶速度和采样频率对迭代次数有显著影响;损伤识别误差随着桥面不平顺和测试噪声的增加而加大.     

结构损伤识别的截断总体最小二乘法

基于特征对灵敏度分析,并结合总体最小二乘法,提出了一种用于结构损伤识别的截断总体最小二乘法,主要用来解决实际结构损伤识别过程中出现的病态方程组问题。以一个平面桁架结构为例,验证该方法的有效性。结果表明:在测试数据不完备的情况下,所提方法对于测试噪声仍然具有较强的鲁棒性,可供实际工程应用参考。     

基于支持向量机的结构损伤识别研究

支持向量机(SVM)是一种针对分类和回归问题的统计学习理论,能有效地解决模式识别中的分类问题.该文提出了基于支持向量机的结构损伤识别方法:以归一的频率变化比(NFCR)和归一的损伤指标(NDSI)作为特征参数,训练支持向量机进行损伤识别.用一个12层钢混框架有限元数值模型进行验证,同时分析了影响SVM模型性能的主要因素.结果表明,本文提出的方法具有较高的损伤识别能力,而核参数的选择对识别精度有较大影响.     

基底输入未知条件下质量不确定结构损伤识别

针对结构各层有效质量和地震动输入均未知情况下的损伤识别问题,构造了不需要已知周围土壤、邻近结构和非结构构件影响的层间规格化刚度参数和阻尼参数,提出了一种新的逐层递推时域识别方法,给出了用规格化参数进行损伤识别的公式.为避免结构质量的影响,引入暂态影响参数和相关参数,并分析了质量误差对参数识别的影响.该方法利用测试数据时程直接进行结构损伤识别,并可反演出地震动时程.算例表明本方法切实可行.     

基于模态应变能法的钢筋混凝土梁裂缝损伤检测试验

应变能对局部损伤较固有频率更为敏感.把结构遭受裂缝损伤的应变能变化量作为损伤指标,提出一种新的无损裂缝识别方法.并把影响损伤指标因素与假设检验相结合,利用参数假设检验进行识别结果验证.用钢筋混凝土梁进行模态试验,提取梁损伤前后的模态参数,用该方法进行裂缝位置及深度参数的识别.结果表明,将该方法用于裂缝损伤检测是可行的.     

基于转角模态小波变换的连续梁损伤识别研究

针对采用基本振型进行小波变换识别连续梁支座附近损伤的困难,提出了运用转角模态小波变换识别损伤的方法.该方法在对连续梁转角模态进行有限元分析的基础上,用墨西哥帽小波做连续小波变换,并由多尺度小波分析确定损伤位置,由低尺度上的小波系数模极大值识别相对损伤程度,由小波系数线特征确.定损伤类型.通过对一具有离散裂缝、裂缝群和局部刚度下降三类损伤的连续梁做数值计算分析,验证了方法的有效性.该方法对连续梁损伤识别的工程应用具有参考价值.     

基于支持向量机的大型输电铁塔损伤识别方法研究

输电铁塔在电力的传输上占有重要地位,一旦发生损伤破坏将造成严重的经济损失.模态曲率改变率这一参数具有良好的损伤定位能力,通过对某500kV输电铁塔的损伤位置识别,即使是在诸如1%等微小损伤条件下,仍能取得良好的效果.作为一种新兴的机器学习算法,支持向量机在损伤识别中已显示出其回归能力的优越性.本文提出了利用最小二乘支持向量机进行大型输电铁塔的损伤程度识别方法,通过对某500kV输电铁塔的损伤程度进行识别,发现该方法在较少的样本条件下,亦能非常逼近目标值,具有精确的损伤程度识别能力.     

一种基于深度卷积神经网络的道路损伤检测研究

基于传统道路损伤检测方法主要通过人工选取特征识别道路损伤,致使检测过程中抗干扰性较差,进而制约道路损伤识别精度的提高.针对这一问题,提出一种基于深度卷积神经网络的道路损伤检测方法.通过引入深度学习算法,利用迁移学习策略,构建稳健的非线性道路损伤识别模型;结合真彩色的道路图像,利用多层卷积神经网络抽取局部损伤区域的高级语义特征,实现复杂背景变化下的道路损伤智能检测.实验结果表明,提出的方法可准确识别道路损伤图像,相比常用方法能显著提高识别准确率.     

近地表介质地震初至波层析成像

发展了适于复杂近地表介质的初至波层析成像方法.介质单元的速度用双线性函数表示,推导了计算Jacobi矩阵元素的解析公式,提高了精度和速度;初至波正演计算采用最新研究的动态网络最短路径射线追踪方法,克服了同类方法得到的射线路径呈之字形、计算出的旅行时比实际旅行时系统偏大的缺陷;用LSQR算法求解该大型约束最优化反演问题.用该方法求取塔里木盆地边缘复杂山地的近地表速度和静校正量,取得了良好的应用效果.     

一类对称拟定系统的数值方法

证明了对称拟定系统的Schur补问题等价于一个广义最小二乘问题，并基于一种双对角化过程(GKLB过程)推导出了解系统(1)的一种新的迭代算法——LSQR(A^-1，C)方法，该方法不需要求出A和C的Cholesky因子．数值结果表明，与传统的方法(如SYMMLQ方法)比较，该方法有更快的收敛速度．     

斜拉桥结构损伤识别的概率可靠度法

从概率可靠度的角度出发,提出并发展了基于参数识别和假设检验的斜拉桥结构损伤识别方法.将正则化理论引入参数识别过程,综合利用蒙特卡罗方法和最优化理论识别结构的主要参数并获得其概率分布特性,进而采用假设检验确定损伤的位置和程度,实现损伤的概率诊断.为验证方法的准确性和有效性,将其应用于斜拉桥的损伤识别问题,提出了斜拉索损伤识别的斜拉索索力指标,得出了有益的结论.     

斜井地震初至波走时层析试验

井间地震层析成像是井间地震技术的重要组成部分,而在地面地震勘探特别是在海上地震勘探中,斜井居多,因此,文章针对斜井层析成像的特点,先介绍了旅行时层析反演的基本原理,再根据Lanczos方法和QR分解算法详细推导了带阻尼的LSQR反演方法,且将此方法应用于二维斜井地震初至波走时层析成像中,用两个不同的斜井模型对算法进行了测试研究.结果表明:采用旅行时线性插值射线追踪的正演方法与带阻尼的LSQR反演技术得到的速度模型较好地反应了理论模型,说明了此算法在二维斜井地震层析成像应用中的正确性和有效性,为实际地震勘探工作提供了理论依据.     

一种新的加热炉状态识别算法

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程巾要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要.     

基于主元分析的网架结构损伤识别方法

提出了利用实测频响函数及主元分析进行网架损伤识别的方法.首先用网架动测得到的频响函数数据建立损伤识别矩阵,用主元分析方法对原始数据变量空间进行降维处理,利用包含原始数据信息最多的前几阶主元,作出多元控制图,进行损伤识别.该方法不需要模态参数,避免了由模态分析中的模态拟合误差所引起的损伤误判.为了验证所提出方法的可靠性,完成了一个足尺网架在不同损伤情况下的动测试验,分析结果表明,所提出的损伤识别方法可行、可靠,尤其对于噪声环境下和具有一定局部非线性的网架有良好的适应性.     

基于多目标优化策略的结构损伤识别智能算法

针对结构损伤识别问题, 提出一种基于多目标优化策略的结构损伤识别智能算法. 该算法利用极端学习机为损伤参数指标与每一阶频率建立非线性函数表达式, 先将结构的每一阶实际测量频率与函数表达式相减, 再把形成的每个表达式作为优化目标, 进而得到结构损伤识别的高维多目标优化模型. 为提高模型的求解精度, 提出了灰色多粒子群协同的多目标优化算法. 实验结果表明, 该方法能较好地处理结构损伤识别问题.