小波分析在土木工程结构健康监测系统中的应用研究

利用小波分析多分辨率的特点对结构损伤进行在线检测,判定结构损伤位置。在阐述了土木工程结构健康监测系统的组成、监测内容模块的功能及其特点和小波分析进行损伤识别的原理以及结构损伤的多尺度分析的基础上,通过对单层混凝土结构实验台的加速度信号进行小波分析,得到结构损伤的时刻,通过研究信号小波变换的尺度函数确定了损伤的位置,试验表明,该方法具有一定的实用价值。     

小波分析与神经网络在结构损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构出现损伤的时刻,以实现对其监控;分别对结构第一层位移响应信号和加速度响应信号做小波包分解得到各频段能量的特征向量,并分别作为特征参数输入到BP神经网络中实现损伤识别;比较了位移响应信号和加速度响应信号对损伤识别的灵敏性．模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构损伤时刻、损伤位置和程度,具有一定的可行性．     

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.     

基于长短期记忆神经网络的板裂纹损伤检测方法

针对板不同位置裂纹损伤的智能分类问题,提出了一种基于长短期记忆(LSTM)神经网络的板裂纹损伤检测方法.采用Abaqus二次开发建立板裂纹损伤模型,计算高斯白噪声激励下板的加速度响应,并通过数据扩充方法生成数据集,同时考虑了噪声对损伤检测的影响.建立基于LSTM的板裂纹智能检测模型,直接将板的加速度响应作为输入,不需要额外的损伤特征提取,并以最小预测误差为目标,选择模型的超参数,优化模型配置.与多层感知机模型和基于小波包变换的多层感知机模型进行对比表明,本文提出的LSTM模型在板裂纹损伤检测中具有更高的损伤定位精度和更好的适用性.     

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。     

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。     

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.     

基于小波变换与神经网络的结构损伤检测

对BP网络和小波分析理论做了简要的概述,并给出了其应用于结构损伤检测的方法．将固有频率进行归一化处理,作为神经网络的输入参数进行结构损伤位置的检测,然后利用小波包技术对损伤结构的振动信号进行分解,求出各频带内的能量作为网络输入参数,进行损伤程度的评估,悬臂梁损伤诊断与实际损伤情况比较结果表明,该方法合理、有效,可用于实际结构的损伤检测。     

小波奇异性在钢结构损伤检测中的应用

根据小波奇异性检测理论,以应变能的损伤信号为结构损伤指标,分别以悬臂梁结构、平面桁架结构和空间网架结构为例进行数值模拟,将原始损伤信号和经过小波变换后的损伤信号进行对比,结果证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,表明了该方法的可靠性和实用性。     

采用复连续小波变换的桩基损伤位置识别方法

提出基于复连续小波变换(CCWT)的桩基损伤位置识别方法.首先,对响应信号进行复连续小波变换,得到小波系数矩阵;然后,分析不同频段的相位角,确定桩身损伤位置;最后,通过桩基三维有限元模型数值算例和桥梁桩基实例,对基于复连续小波变换的桩基损伤位置识别方法进行验证.结果表明:复连续小波变换不但能够准确估计桩长,而且能够捕捉相位图上的交叉点,实现桩身损伤位置识别;与传统损伤检测方法相比,复连续小波变换可凸显响应信号的相位信息,成功识别桩身微小损伤的位置;但该方法在识别过程中出现较多的干扰点,需要借助其他桩身损伤检测方法进行判定和排除.     

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。     

基于影像及小波变换的桥梁损伤识别

桥梁损伤定位和定量分析是桥梁健康监测的难点，为提高桥梁结构损伤位置识别的精度及准确性，本文利用位移模态对结构局部损伤的敏感特性，提出基于影像和小波变换的桥梁损伤识别新方法，通过工业相机获取悬臂梁振动形态，利用模版匹配方法提取结构动态位移响应及模态参数，对位移模态进行小波变换，建立小波系数平方差的损伤指标识别结构损伤位置。通过室内悬臂竖梁振动实验，对全域测点的振动衰减信号快速傅里叶变换成功获取了结构的模态振型，与数值模拟结果比较表明试验获得一阶固有频率最大误差为2.202%，二阶固有频率最大误差为3.182%，表明本文方法用于结构位移测量的可行性以及测量精度的可靠性；在此基础上利用小波系数平方差的明显突峰特性可准确识别结构单损伤、多损伤的存在，并能准确定位损伤位置。研究表明，该方法可以准确识别不同位置、不同程度的单损伤和多损伤，具有远距离、非接触、高精度、高效快捷、可多点监测提升振型空间分辨率等优点，为桥梁结构全域损伤识别提供了一种新方法。     

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.     

损伤识别系统中小波包信号特征量的提取

基于结构损伤识别系统,构建了耦合神经网络模型,阐述了小波包分析技术的原理和方法,对小波基的选取原则进行了分析和探讨,确定了小波基函数DbN中的N以及小波包分解尺度j;从模式识别的观点对结构损伤识别进行了分析,分析了小波包信号能量特征提取的方法。利用小波包多分辨率的特点,提出了以小波包信号成分能量特征向量为结构损伤识别的损伤特征指标,并在实验中得到了良好的识别效果。     

基于DWT-FastICA和IMPSCO的时变结构损伤识别研究

提出了一种基于DWT-FastICA和IMPSCO的两阶段时变结构损伤识别方法.第I阶段:首先,通过离散小波变换(discrete wavelet transform,DWT)对各传感器采集到的结构动力响应信号进行预处理;然后,利用快速独立分量分析(fast independent component analysis,FastICA)提取出包含损伤信息的特征分量,从而确定损伤发生的时刻并初步定位损伤.第II阶段:采用改进的多粒子群协同优化算法(improved multi-particle swarmscooperative optimization,IMPSCO)分时段进行物理参数优化,实现损伤的精确定位和定量.通过一个数值算例和试验验证了所提方法的有效性,同时从噪声水平和损伤大小两个方面对该方法进行了探讨.研究表明,所提的方法能够较好地应用于线性时变结构损伤发生时间、位置与损伤程度的识别,根据不同的需求,不仅能够实现快速的损伤初步定位,而且可以进一步对损伤进行精确定位和定量,具有良好的容噪性、鲁棒性和工程实用性.     

基于小波包能量谱和因子分析的结构损伤识别方法

为了消除环境温度对损伤识别结果的影响,提出了一种基于小波包能量谱和多元统计方法——因子分析的损伤识别方法.首先利用小波包能量谱法对结构动力响应数据进行分析,得到结构动力响应特征参数;其次建立结构动力响应特征参数的因子模型,用因子分析法去除环境温度对于动力响应特征参数的影响,并通过计算得到结构损伤指标;最后以钢结构平台仿...     

基于小波包分析的结构实时损伤报警数值研究

研究了基于小波包分析的结构实时损伤报警技术．利用小波分析优良的时一频局部化特性对结构振动信号进行精细分析，从而能实时地实现结构损伤报警．以简支梁裂缝为例，将环境振动信号采用小波包分解后得到小波包能量谱，采用基于Monte-Carlo方法计算得到的能量谱极值指数和变异指数2个指标作为筒支梁裂缝损伤报警的判据．该技术不需要对整体结构进行计算分析，只需要环境振动信号．计算机数值模拟表明该技术能较为敏感地发现简支梁的微小损伤，从而证实了该技术的可行性．     

基于EMD和小波分析的建筑结构损伤检测探讨

采用经验模式分解(EMD)与小波分析相结合的方法探讨结构响应数据信号,进行建筑结构损伤检测诊断.与直接对原信号进行小波变换相比较,该方法能够更好地辨识出破损的时间局部特征信息.数值模拟和对建筑结构响应信号分析论证了该方法的有效性和实用性.     

基于小波分析和遗传算法的结构损伤诊断

提出了小波-遗传算法的概念,建立了一种既能识别结构损伤位置、又能确定损伤程度的小波-遗传算法。首先,以有限元分析求解损伤结构振型模态为基础,用db1小波做连续小波变换,由小波系数模极大值识别损伤的位置。然后,以单元刚度的折减系数为遗传算法的优化变量,用振型和频率的误差函数加权来构造目标函数,并通过损伤位置的确定来简化目标函数的变量,再用遗传算法对目标函数进行优化,从而确定结构的损伤程度。通过对一简支梁进行数值模拟分析,计算结果表明,提出的方法不仅能够有效识别损伤的位置,而且能够准确识别损伤程度。     

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.