基于数据融合与单纯形遗传算法的管道损伤识别

为了提高管道损伤识别的准确率,提出了基于数据融合和单纯形遗传算法的两段式的管道损伤位置和程度的识别方法。首先将管道的柔度差曲率矩阵与广义残余力向量差两种信息源通过D-S证据理论融合算法初步判定管道损伤位置,然后通过单纯形遗传算法精确识别管道损伤位置与程度。考虑到基本遗传算法局部搜索不强、易发生早熟的缺点,提出了与局部搜索算法(单纯形搜索算法)相结合的改进策略。数值计算结果表明,考虑2%随机噪声影响情况,采用数据融合进行初步定位的方法大大缩小了可疑损伤区域范围,通过单纯形遗传算法能够进一步精确识别管道损伤位置及程度。本文提出的方法提高了管道损伤位置与程度识别的效率与准确率。     

基于模态应变能与频率信息修正的结构多损伤识别研究

在工程结构的损伤诊断领域,采用模态应变能方法对多损伤识别的结果一般不太稳定,易产生误判现象．为了解决以上问题,提出了一种基于模态应变能与频率的信息修正识别方法．该方法首先利用应变能方法对结构损伤问题进行了初步的识别并获得局部决策,然后引入了频率识别方法以获得补充决策信息,最后利用证据融合理论对所获得的局部决策进行了信息融合修正,从而获得精度和识别效果更高的整体决策信息．仿真结果表明,采用了信息融合修正方法的结构多损伤定位,可以产生比单一信息源更精确、更完全的估计和判决,其识别效果不仅明显好于应变能方法,而且优于频率识别方法．     

采用应变能方法定量分析输电塔损伤程度

为了解决输电塔结构的损伤识别问题,提出了基于模态应变能变化率和能量方程的两步识别方法。首先利用模态应变能变化率方法进行较为精确的损伤定位,然后引入损伤后的单元刚度矩阵,对结构模态应变能耗散率理论进行了相关的改进研究,从而推导出更精确的损伤定量方程方法。该方法只需要前几阶振型模态,不需要完备的测量信息。数值仿真的结果表明,该两步识别方法可以有效地识别出输电塔结构的损伤位置和程度。     

基于D-S证据理论和RBF网络的航空发动机叶片损伤图像识别技术研究

针对航空发动机叶片损伤图像采集过程中存在的不确定性因素及单一RBF网络或D-S证据理论在叶片损伤图像识别中存在的不足,提出一种基于D-S证据理论和RBF网络相融合的决策级信息融合损伤图像识别算法。首先,用RBF网络对损伤图像进行初步识别;然后,将RBF网络识别输出结果作为D-S证据理论的基本可信度分配;最后,利用D-S联合规则进行合成,得出最终识别结果。通过单一优化RBF网络的图像识别结果和融合识别结果的对比分析,证明了该方法在航空发动机叶片损伤图像识别方面的优越性。     

一种基于IEKF的轮式移动机器人自定位算法

为使移动机器人在导航时能满足定位要求,提高其定位精度,提出一种将里程计、相机传感器和激光雷达信息进行融合的自定位算法。根据机器人的机械结构和运动方式对其建立运动学模型,由里程计推算出机器人在不同时刻的位置估计;利用相机传感器对环境中的路标特征进行识别并计算出两者之间的距离和夹角;将激光雷达所获得的机器人相对路标特征的距离和角度与相机传感器的信息进行匹配,并利用迭代扩展卡尔曼滤波(iterated extended Kalman filter, IEKF)算法融合里程计信息,最终得到较为精确的机器人的位置估计。仿真试验结果表明,该多传感器融合算法相对传统的定位方法具有更高的定位精度。     

多梁式桥梁检测的叠加曲率模态差变化率方法

鉴于应用曲率模态的桥梁损伤识别研究大多以一维单梁式结构为研究对象,提出利用G-M法的思想并基于薄板振动理论将多梁式结构转化为正交异性板后,类比梁弯曲理论得到该结构两正交方向曲率表达式,通过分析采用单阶曲率模态差指标进行桥梁损伤识别的不足,考虑利用多阶曲率模态变化率叠加指标进行损伤识别,最后采用有限元软件Ansys建立桥梁模型计算单位置、多位置不同损伤程度的多种工况。Matlab绘图结果表明:沿桥梁纵向叠加指标识别更为精确,对未损伤位置数据扰动更小,指标独立性高,可利用该指标进行多梁式结构的损伤定位。     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

基于多类型传感器信息的结构损伤识别方法

计算2组基于径向基神经网络的结构损伤程度识别结果,一组神经网络输入是加速度传感器信息,另一组神经网络输入是应变传感器信息;以2组识别结果及其可靠性为基础,提出采用D-S证据理论数据融合方法的结构损伤程度综合识别方法.以网壳结构为研究对象,建立结构损伤模型和神经网络样本库及输入输出向量,并对不同噪声水平下结构损伤程度识别结果进行计算.计算结果显示,基于多类型传感器信息的结构损伤程度综合识别结果的误差明显小于基于单类型传感器的识别结果,并在神经网络输入有噪声的情况下,仍保持较好的效果.因此,基于多类型传感器信息的结构损伤程度识别方法在合理应用结构多类型响应信息的基础上,能够获得更优的结构损伤程度识别结果.     

基于不完备静态数据的结构损伤两阶段识别方法

在结构损伤识别中,由于实测数据有限而待识别参数过多,往往导致传统的结构损伤识别方法判断损伤位置不准确或损伤程度识别误差较大,从而限制了其在复杂结构中的应用.将基于静态应变能的损伤定位指标和基于有限元缩聚法的损伤程度计算相结合,提出了一种两阶段的结构损伤识别方法.该方法利用损伤定位指标对结构可能的损伤位置进行定位,在确定可能损伤位置的基础上,利用模拟退火算法求解损伤状态方程,从而确定损伤程度.为验证该方法的有效性和可靠性,分别对5单元超静定、13单元静定和10单元超静定平面桁架的损伤识别进行了数值模拟.结果表明,该方法不仅可有效地识别出结构的损伤位置和程度,而且对测量噪声具有较强的鲁棒性.     

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.     

简支梁桥多位置损伤的检测方法

针对简支梁桥结构的安全监测和评价问题 ,研究了3种多位置结构损伤动力学检测方法。分析了柔度差方法应用于多位置损伤检测的局限性。提出柔度曲率的概念 ,只需结构前 2或 3阶振型和频率数据即可准确识别出结构多个损伤位置 ,有限元仿真实验结果验证了该方法的可行性和正确性。在研究敏感度矩阵计算的频率模式与实际频率相对变化模式相关性的基础上 ,改进了多位置损伤定位置信准则( m ultiple damage location assurance criterion,MDL AC)方法 ,算例表明该方法只需 10阶左右的模态频率就可预测结构上多个位置的损伤     

基于修正模态的混合遗传算法结构损伤识别

采用模态参数对结构进行损伤识别时,测试模态参数包含的误差使识别结果受到影响,严重时甚至不能反映结构的实际破损情况.结构损伤检测可以作为一优化问题.为此提出一种基于修正测试模态的损伤识别方法,即将基于测试频率和修正后的测试振型组成的函数作为优化目标,由具有鲁棒性及易于处理非确定性信息能力的遗传算法和局部搜索算法组成的混合遗传算法作为优化工具.基于桁架的分析结果表明,即使在测试数据包含误差的情况下,采用该方法也能获得满意的识别结果.     

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Lamb波混合成像算法的薄板结构损伤定位

针对传统椭圆法和双曲线法对结构损伤定位不精确的问题,提出了一种基于Lamb波的混合成像算法。该算法将椭圆法和双曲线法相结合,在使用相同数量传感器的条件下提高对信号数据的利用率,从而提高损伤定位的精度。通过有限元仿真对该算法进行验证,即建立一个无损伤模型和多个有损伤模型,模拟压电传感器以双面同相的激励方式获得单一模态的Lamb波,从而获得损伤的反射信号。用混合成像算法和传统椭圆法对仿真模型分别进行损伤定位。成像结果对比表明,混合成像算法对损伤的定位更精确,而且在结构有多处缺陷的情况下能检测到传统椭圆法无法识别出的损伤。     

基于子空间旋转算法的实桥损伤识别

子空间旋转算法就是基于结构模型参数的损伤识别方法之一. 子空间旋转算法基于结构的有限元模型, 利用矩阵变换的方法, 将损伤位置和损伤程度问题区分开来, 实际应用表明, 只需利用一阶频率和振型, 就可以识别桥的主要损伤位置和损伤程度.     

遗传算法及神经网络在锅炉负荷优化分配中的应用

针对并列运行锅炉群的负荷优化分配问题,提出用遗传神经网络辨识给煤量-产气量模型,并用改进的遗传算法进行负荷优化分配.给出了改进遗传算法和遗传神经网络的辨识原理.负荷优化分配结果表明,该方法优于平均分配方法.     

损伤检测的经验模态分解法

用经验模态分解法对几种典型信号的特征进行分析.首先分解出内在模态函数分量,再对模态函数进行希尔伯特变换,得到时频图,由模态分量中突变点的位置来识别损伤发生的时间,而由时频图识别频率的变化.对一单自由度系统在刚度突变和累积疲劳引起的缓慢变化两种情况进行了分析,根据时频图中频率的变化识别出刚度发生突变的时刻及刚度变化的过程和损伤程度.结果表明经验模态分解法是进行损伤检测和时变参数识别比较理想的方法之一.     

混凝土梁板类构件边界条件识别与研究

采用动力学方法进行结构损伤诊断和参数识别时,结构的边界条件对其动力性能有较大的影响,为模拟实验条件,提出了合理的假定,并在此基础上,分析采用牛顿法和遗传算法对混凝土梁板类构件的边界参数进行了识别,正确地描述了边界条件,最后比较了两种方法各自的优缺点。     

基于模态分析的发动机风扇叶片损伤诊断方法

结构故障诊断主要包括结构损伤识别、结构损伤定位、结构损伤程度的标定和评价三个方面内容。而频率、振型、频率和振型相结合的指标在结构故障诊断的三个方面各有优缺点。通过航空涡轮发动机风扇叶片建模,并在其上模拟出健康和损伤状态,选取频率、振型、频率和振型相结合的三类指标,借助ANSYS仿真与BP神经网络,验证了基于模态分析的发动机风扇叶片损伤诊断方法的可行性,并从数值上指出兼顾振型和频率的指标预测效果最优,也具有一定的工程实际意义。     

基于曲率模态和神经网络的结构损伤识别与仿真

探讨用曲率模态和神经网络对混凝土结构裂缝进行损伤识别和定位的方法.以一矩形截面悬臂梁为研究对象,通过完好结构和损伤结构的有限元分析,获得损伤标识量,输入Elman神经网络进行训练,以损伤位置和损伤程度作为网络的输出参数,进行单处损伤和多处损伤的定位研究.数值仿真结果表明,曲率模态振型对结构的损伤敏感,采用曲率模态和神经网络结合的方法可以同时确定结构损伤的存在、程度和位置,并且可以用于结构多处损伤的检测.该方法对于实际工程结构的损伤识别具有一定的指导意义.