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.     

结构损伤识别的直接解析法

探讨一种损伤识别的方法——直接解析法.本方法从结构模态有限元算式出发,把频率和振型看作损伤参数的函数,经过泰勒展开获得频率、振型对损伤参数的一阶偏导数,然后构造以损伤参数为未知量的超定线代方程组,求解得到全部损伤参数值.进一步又提出本方法的自迭代修正,大幅度提高了识别精度.本方法可以同时识别出结构损伤的数量、位置和程度,并可识别任意多数量的损伤参数.通过对一个5层框架结构的数值模拟分析,验证了它的可行性.     

基于人工神经网络的钢结构损伤识别

由于神经网络的非线性映射、自适应及自学习的能力已越来越多地用于结构损伤识别中,本文根据网络参数选择的原则建立了一个三层BP神经网络结构损伤识别模型,对一简支钢板进行了分析。为避免单一频率或模态振型作为输入向量带来的误差,选用与损伤位置和程度相关的组合参数：即结构损伤前后的频率变化平方和少点模态振型作为输入参数。利用训练好后的网络对损伤模型进行诊断和预测,取得了较好的效果。     

基于单元应变能变化率的结构损伤识别方法

针对梁类结构,根据单元损伤前后的模态应变能变化率,推导了新的损伤位置识别指标,并利用结构在损伤前后模态应变能变化与频率变化的关系提出了损伤程度评估指标.悬臂梁的数值模拟分析结果显示:损伤位置识别指标在损伤单元对应的结点处呈现显著的正号峰值,能够清楚地指示损伤位置;损伤程度识别指标对于单一损伤工况的损伤程度估算结果较接近于实际损伤程度,但对于多点损伤工况的损伤程度估计值偏小.所提出的损伤指标仅根据结构损伤前后的低阶模态频率和模态曲率即能达到较好的损伤识别效果,可应用于实际结构中.     

损伤位置分步识别法中参数选择、样本简化等问题的探究

对于多层多跨的框架结构，构件数量众多，直接确定损伤位置十分困难。基于神经网络的损伤位置分步识别法是先构建一个网络来确定结构损伤层的位置，然后针对每层再分别构建一个网络，确定损伤层中损伤柱的编号，于是一个复杂的神经网络被分解简化为几个简单的子网络，这样可以根据模态参数的性质合理选择损伤识别指标，并降低训练样本的数量，从而提高了网络的识别精度。结合分步识别法，建立了详细的多层多跨框架结构数值模型，对模态参数的性质和选择，如何减少训练样本．样本的构造方法等影响识别的因素做了初步探究。     

基于PSO的结构损伤检测应用研究

建筑结构损伤前后固有频率的变化包含了结构损伤位置和程度的信息,在此理论基础上,构造了BP神经网络的输入参数.针对BP梯度下降算法导致的收敛速度慢和易陷入局部最小的缺点,引入粒子群演化(PSO)算法来优化神经网络各层间的连接权值.首先通过有限元法提取结构固有频率的变化,结合PSO对神经网络进行训练,然后分别对结构的损伤位置和损伤程度进行识别.计算分析结果表明,PSO的引入,相较于单纯的BP算法,该方法在结构损伤检测中取得更优的识别效果.     

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.     

曲率模态及其在汽车后桥损伤识别中的应用

引入曲率模态分析方法,以某轿车后桥为研究对象,通过试验模态分析获得损伤前后结构模态参数,计算曲率模态,选取平均曲率模态绝对差作为指标,对轿车后桥进行损伤识别.结果表明,该方法对结构局部变化敏感,可以识别损伤位置及损伤程度,为车辆结构件损伤识别提供了一种可行的研究方法.     

基于时间序列模型的结构损伤识别方法

针对现有结构损伤识别方法中因模型参数物理意义不明确而导致的损伤信息遗漏等问题,提出一种基于时间序列模型的损伤识别方法.首先,推导了具有外部输入的自回归模型(ARX)的一般表达式,并通过联立多自由度体系运动方程建立了考虑结构动力特性的ARX模型.随后,运用该模型预测得到未损伤情况下的节点加速度时程序列,根据其与实测数据的差异程度构造表征结构损伤的参数,即损伤因子.最后,根据损伤因子数值大小与分布情况评估结构损伤状态.数值算例结果表明,该方法在较少的测量数据样本下,能够较好地识别单位置与多位置损伤,并可较为准确地判断损伤程度,同时识别结果受激振位置与测量噪声的影响较小.     

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。     

基于单元模态应变能灵敏度的结构损伤统计识别

基于单元模态应变能灵敏度,采用概率统计的方法,提出一种同时考虑模型不确定性和测试噪声影响的损伤统计识别方法。首先,建立基于单元模态应变能灵敏度分析的结构损伤方程组,然后,通过摄动法推导出损伤结构刚度参数的统计特性,并运用损伤概率模型计算各单元的损伤存在概率。最后,用一简支梁数值模拟算例验证了该方法的有效性。研究结果表明:损伤概率越大,表明存在损伤的可能性越大;损伤单元的损伤存在概率大于非损伤单元的损伤存在概率;随着损伤程度的增加,损伤存在概率不断增加,而随着噪声水平的增加,损伤存在概率减小。     

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。     

基于动力响应互相关的古建筑木结构损伤识别

提出了基于互相关系数和互相关峰值变化率的古建筑木结构损伤识别和定位方法。以随机振动结构的某一测点为参考点,计算其他各测点与参考点的加速度响应之间的互相关函数,将所有的最大值组成互相关峰值向量(Cross-Correlation Peak Vector, CCPV)。以两组CCPV之间的互相关系数作为损伤因子对结构进行损伤识别,以结构损伤前后互相关峰值的变化率作为损伤识别指标,对结构进行损伤定位。以西安钟楼为工程背景,建立一榀木框架有限元模型进行分析。结果表明:结构损伤后,损伤因子的数值明显降低,可以有效识别结构的损伤;结构损伤前后峰值变化率最大的相邻两个测点对应着损伤单元的两个节点,可以准确确定结构的损伤位置,同时可以根据损伤因子和峰值变化率的变化范围估计结构的损伤程度。     

基于二阶灵敏度的电力负荷参数辨识方法

利用牛顿法收敛性强的优点,将一阶灵敏度和二阶灵敏度引入牛顿法,得到基于二阶灵敏度的牛顿参数辨识法,并将其应用于电力负荷参数辨识。采用仿真算例将该方法与粒子群算法的参数辨识结果进行对比验证,结果表明牛顿参数辨识法的辨识精度高、辨识计算量小、辨识鲁棒性好。     

结合静力测试与基频变化的PSO二阶段结构损伤识别

提出了一种基于粒子群优化算法(PSO)的二阶段结构损伤识别方法。该方法利用实际结构测试中较为成熟且结果相对稳定、准确的静力位移及基频的变化为基础,通过损伤信号匹配技术以及PSO分别进行损伤初步定位及损伤最后定量。通过对平面桁架结构的数值模拟结果表明该方法对结构中的受损构件及其损伤程度能够做出正确高效的识别和判断。     

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.