剪切型框架结构损伤的两步检测方法

针对剪切型框架结构提出了分步损伤检测的方法．通过包含较大测量误差的结构一阶振型斜率的变化来判别损伤位置，损伤位置的判别可大大减少待识别参数的数量．理论推导证明，当剪切型框架结构发生损伤时，损伤单元振型斜率的变化大于零，由此可判别损伤位置．在判别出损伤位置的基础上，利用能够较准确获得的结构前几阶固有频率作为神经网络的输入，建立损伤程度识别神经网络，进行结构损伤程度的识别．数值分析表明，该方法能够有效实现剪切型框架结构的损伤检测，并具有很高的计算效率和计算精度．     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

外包钢加固SRC框架结构地震损伤演化分析

基于外包钢加固震损型钢混凝土框架结构在低周往复荷载作用下的破坏性试验,采用材料性能折减的方法考虑震损影响,对外包钢加固损伤的型钢混凝土框架结构进行有限元建模分析,利用改进的双参数地震损伤模型计算其主要构件和整体结构的损伤指数,并利用多项式函数对其构件及整体结构的损伤演化曲线进行拟合,探讨外包钢加固震损型钢混凝土框架结构在低周往复荷载作用下的损伤演化规律。结果表明,通过折减材料性能来模拟预震损的方法是合理的;改进的地震损伤模型能定量计算结构在各个循环阶段的损伤指数;外包钢加固型钢混凝土框架结构的方法能有效降低型钢混凝土框架结构地震损伤程度,与未加固的震损型钢混凝土框架结构相比,外包钢加固震损型钢混凝土框架结构的抗震性能明显增强。     

几种基于灵敏度的损伤指标的比较

给出了基于灵敏度理论的损伤检测的33种指标.以一个三层的钢框架结构为例,比较3种损伤指标对的损伤位置的识别和对损伤程度的评估结果.提出的改进的损伤指标识别效果较好,精度较高,更适用于空间结构的损伤检测.     

基于环境振动信号的框架结构震后损伤识别

提出了一种新的损伤指标用于框架结构的震后损伤识别.以环境振动作为激励信号,采用小波包分解理论,利用框架结构损伤后振动信号的能量在频域内的变化,构建损伤指标DI,并给出了损伤识别流程图.在此基础上,以某钢筋混凝土框架结构为例,设定4种震后损伤工况,对框架结构进行了震后损伤识别分析,探讨了不同楼层、不同类型振动信号对损伤识别效果的影响.结果表明:本文构建的损伤指标DI可以有效识别框架结构的震后损伤,损伤指标DI与损伤程度之间有近似线性的关系;基于较高楼层振动信号的损伤指标值对结构的损伤识别效果较佳;利用速度信号可获得比加速度信号更好的识别效果.     

框架结构缺陷识别的小波信息熵方法

为有效检测框架结构缺陷,将小波分析和信息熵理论相结合,提出了一种基于小波信息熵的框架结构损伤缺陷以别方法。该方法首先对框架结构振动响应信号进行多分辨率分解,然后利用小波信息熵提取结构损伤特征信息,得到表征结构状态的信息熵指数,最后识别出框架结构缺陷的位置。并在一个三层结构框架模型上进行了仿真分析,分析结果表明:所提出的方法能在被测对象数学模型未知情况下,准确有效地对框架结构损伤进行识别与定位。     

基于小波神经网络的框架结构损伤识别

以含损伤的框架结构为研究对象,对损伤位置和损伤程度进行识别。运用有限元分析原理,采用Lanczos法得到框架结构的转角模态,对其转角模态进行连续小波变换可以得到结构的小波系数,再由小波系数模极大值确定损伤的位置。以损伤后结构的固有频率作为神经网络输入参数构造神经网络,从而实现对框架结构损伤程度的识别。通过对一平面框架结构的损伤识别计算分析,验证了方法的有效性。     

框架结构节点损伤诊断的应变模态方法研究

对一框架结构模型进行了应变模态和位移模态试验,在试验中采用改变框架节点的连接状态以模拟节点的损伤,利用应变模态在结构节点损伤前后的相对变化对框架结构节点的损伤进行诊断．试验结果表明,框架结构一阶应变振型的试验值与计算值吻合良好,一阶应变振型对损伤的存在和损伤位置敏感,利用一阶应变振型在损伤前后的相对变化可以对框架结构节点的损伤进行诊断．     

基于小波包样本熵和支持向量机的框架结构损伤识别

基于小波包样本熵和支持向量机原理,研究了钢框架结构的损伤定位识别方法.分析在冲击载荷作用下框架结构的动力响应,对加速度信号进行小波包分解,建立小波包样本熵的损伤指标,采用支持向量机原理,识别结构损伤位置以及损伤程度.研究表明,该方法能够利用单一的传感器,实现理想的识别效果,且具有一定的适用性和鲁棒性,在60 dB的噪声水平环境中损伤定位识别结果在90％以上,在40 dB的噪声水平环境中,损伤程度识别结果在90％以上,框架实验模型研究表明,柱的损伤识别精度要高于梁的损伤识别精度.     

基于小波分析的多层框架结构损伤识别研究

为了利用小波分析时-频域局部化特性以及其对信号奇异点反应明显的特性,对2层框架结构的前八阶振型进行处理,计算其曲率,然后运用连续小波变换对曲率模态进行分析﹒通过对3种工况下的框架结构进行数值模拟分析,结果表明,曲率模态的小波变换系数模的极大值指示了结构的损伤位置,但结构损伤程度与小波变换系数模极大值大小之间没有内在的联系,其峰值的大小不能反映损伤程度,仅仅指示了结构损伤的位置﹒     

基于区间分析的框架结构不确定性损伤识别方法

考虑实际结构易受荷载、环境温度和测试噪声等不确定性因素的影响,笔者基于区间分析原理提出框架结构不确定性损伤识别方法。利用测试的结构加速度响应数据,建立向量自回归模型,并采用其系数矩阵主对角线的马氏距离作为损伤特征指标。基于粒子群算法建立区间优化求解方法,并与传统的区间组合法和区间叠加法对比。通过提出的区间重叠率指标和区间名义值分别实现损伤定位和损伤程度的识别。数值模拟和实验室框架结构试验结果表明,区间分析能在测试数据较少时实现损伤识别,为损伤识别在实际结构中的应用提供了理论基础和技术手段。     

基于改进均匀设计表框架结构损伤识别方法与实验验证

为对框架结构柱破坏进行无损识别,提出一种基于改进均匀设计表确定结构损伤样本数据库,使用神经网络与平面单元模态应变能变化率进行损伤定位和程度识别的方法。提出应用正交设计优化均匀设计,以解决均匀设计试验点过少的缺陷。该方法以平面单元模态应变能变化率作为损伤指标,采用改进均匀设计表,选择具有代表性的损伤工况作为广义回归神经网络(general regression neural network,GRNN)的训练样本,对损伤位置进行识别;在确定损伤位置的前提下,利用径向基(radical basis function,RBF)神经网络对损伤程度进行识别。通过分步方法确定框架柱构件的损伤位置与损伤程度。数值模拟与试验验证了所提出方法的有效性。平面单元模态应变能变化率识别指标克服了空间结构模态振型不完备的缺陷,两步识别法避免神经网络训练时不收敛、趋于局部最小值等缺陷。该方法可用于框架结构柱损伤的位置确定和损伤程度识别。     

模态损伤指标及其在结构损伤评估中的应用

在模态弹塑性分析方法的基础上 ,结合A .Ghobara提出的利用两次Pushover分析结果来计算多层框架结构刚度劣化的损伤指标 ,提出模态损伤指标及其分析方法 ,并应用于平面框架结构的损伤分析中 .通过与Pushover刚度损伤指标的比较 ,证明了此方法的有效性和优越性 .     

用断裂动力学对混凝土平面杆系进行破损评估

阐述用断裂动力学的方法对混凝土平面框架结构进行破损评估,建立含裂缝单元的刚度矩阵,利用断裂动力特征方程,对损伤部位的裂缝高度进行识别,直观地评价损伤的严重程度。通过对钢筋混凝土框架试验结果分析表明,本文的方法是可行的。     

基于深度学习的框架结构损伤识别研究

卷积神经网络模型和长短期记忆网络模型是两种应用广泛的深度学习网络模型,为探究两种模型在结构损伤识别应用中的效果,采用两种网络模型对钢框架结构的损伤识别进行研究.以3层框架结构为例,选用削减单元自身动力特性后的模态应变能差作为损伤指标,分别输入到两种神经网络模型中,对梁柱单元的损伤程度识别和损伤位置识别进行分析.结果表明：两种网络模型均能很快掌握结构单元的动力特性,在学习了框架结构的模态特征后,均能够精准地识别出损伤单元的位置,同时能较为准确地预测出单元的损伤程度,验证了两种网络模型在以模态应变能差为指标的损伤识别中具有较好的适用性.对比两种网络模型的表现,发现卷积神经网络具有较高的训练效率和较好的泛化性能.     

框架结构损伤识别的单元刚度矩阵分解方法

通常情况下框架结构单元截面惯性矩和截面面积的损伤程度不是线性比例关系,所以单元的损伤程度不能由损伤系数直接乘以刚度矩阵来表征,所以为此提出一种框架结构损伤识别的单元刚度矩阵分解方法。首先通过构件单元刚度矩阵分解重组得到新的单元刚度矩阵形式。然后推导了结构整体刚度矩阵的集成过程,建立了以各单元的截面参数为未知变量的结构损伤分析模型。最后将测得的结点位移信息带入到分析模型中,求解得到结构中每个构件的截面参数,实现了构件的损伤定位和损伤程度定量分析。对于结构中存在损伤的构件,无论是单一构件还是多个构件,此方法都可以精准的识别出损伤位置和损伤程度。     

基于时频分析S变换的高层框架损伤识别研究

目的运用有限元软件模拟十二层框架结构损伤信息,研究结构的损伤信息与损伤参数之间的关系,提出识别高层框架结构损伤信息的新方法.方法采用S变换,对有限元模型的加速度响应进行分析,进而得出不同损伤情况下的损伤参数.结果当损伤位置确定时,损伤程度指标与各层频率随时间变化的平均斜率大致呈线性关系.当损伤程度确定时,损伤位置指标与各层频率随时间变化的平均斜率大致也呈线性关系.结论 S变换识别的频率随时间变化的平均斜率与结构的损伤指标呈线性关系,将这种关系函数化,便可以依据损伤结构的加速度响应较为精确地识别结构的损伤程度以及损伤位置.     

小波方法识别框架结构损伤

小波包分析损伤识别方法首先将结构响应信号分解为小波包组分,然后通过各组分小波信号的变化情况识别损伤。通过3层框架结构的数值分析,模拟结构损伤,判断损伤时刻与损伤位置。分析小波组分信号突变情况,可以识别损伤时刻、损伤位置和损伤程度。     

RC框架结构基于两次Pushover的整体损伤指标计算

该文针对钢筋混凝土框架结构,利用推覆时程分析(Pushover)得到地震发生前后结构的刚度变化,通过比较地震发生前后结构整体刚度以得到一种结构整体损伤指标。通过算例分析表明,本方法能够快捷有效地计算RC框架结构的整体地震损伤指标。     

基于振动模态小波变换模极大的结构损伤检测

给出了将小波奇异性检测原理应用于结构损伤检测的方法:对结构的模态振型进行离散小波变换,根据小波变换模极大诊断结构的损伤位置;利用BP神经网络模拟多个尺度下小波变换模极大与损伤程度之间的非线性关系,根据网络的输出诊断结构的损伤程度.为了检验该方法的有效性,以某简支梁损伤检测为例进行了数值模拟,结果表明,利用离散小波进行结构损伤检测,无需计算Lipschitz指数,而且精度可满足工程要求.