混凝土压缩损伤参数的尺寸效应分析

浇筑标准及非标准尺寸混凝土试件,以掺入引气剂模拟初始损伤,研究混凝土压缩损伤参数的尺寸效应,当非标准尺寸试件在m(引气剂)∶m(水泥)=0、0.001、0.002和0.003时,其弹性模量随引气剂量的增加而减小,分别为32.76、28.77、26.80和26.29 GPa,经由损伤理论对实验数据的拟合分析,得出混凝土的无损弹性模量为36.38 GPa,初始弹性模量为32.76 GPa,峰值弹性模量为26.7 GPa。拟合分析结果可验证损伤参数尺寸效应的一般规律,并可导出大尺寸试件的损伤参数。     

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.     

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.     

基于柔度矩阵法的结构损伤识别

针对工程结构的健康监测, 提出一种基于柔度矩阵法的损伤识别方法, 只需结构的低阶模态参数便可识别结构的损伤位置和程度, 克服了实际应用中高阶模态参数较难获得的缺陷, 并通过一个悬臂结构损伤识别的数值模拟验证了该方法的有效性.     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

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.     

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.     

石油井架结构损伤的分步识别技术研究

针对JJ160/41-K型石油井架结构损伤识别问题,提出基于模态参数和支持向量机的分步识别方法,即先使用柔度矩阵方法进行井架结构损伤位置识别,再以柔度曲率差值作为损伤识别指标,应用支持向量机回归算法对已定位的损伤进行定量分析.仿真计算结果表明该技术可有效实现井架结构损伤的定位与定量分析.     

基于振动特性灵敏度分析的梁结构损伤识别

提出了一种用于梁结构损伤识别的灵敏度分析方法.该方法通过改变模型参数(固有频率和固有模态)来实现对结构损伤的识别.通过振动特性的灵敏度(包括一阶和二阶灵敏度)分析与计算,结合有限元法,就能确定梁结构损伤的位置和损伤的大小.最后给出算例验证了本文中提出的方法,并获得满意的结果.     

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.     

基于刚度退化和纤维单元的RC构件损伤模型

为了评估钢筋混凝土(RC)构件的损伤状态,在Maltab中建立了基于刚度退化和纤维梁柱单元的损伤模型.首先在OpenSees中建立基于纤维梁柱单元的构件、结构数值分析模型,将分析模型所得到的纤维应力、应变值导入在Matlab中所建立的损伤模型,并计算纤维、截面、构件的损伤值.所建立的损伤模型使用再加载刚度退化定义混凝土纤维的损伤,使用低周疲劳准则定义钢筋纤维的损伤,使用塑性应变定义预应力筋的损伤,并分别使用截面抗弯刚度退化、杆端抗弯刚度退化评估截面、构件的损伤.最后,选取循环荷载作用下的一榀预应力混凝土框架结构试验,对所建立损伤模型的适用性进行验证.结果表明:该损伤模型不仅可以准确地预测构件的损伤状态,而且可通过刚度组装和静力凝聚方法在各层次损伤指数间建立紧密的联系.此外,所建立的损伤模型将来可被嵌入OpenSees,直接实现针对混凝土构件和结构的损伤评估.     

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。     

混凝土初始损伤模拟和在混凝土重力坝抗震分析中的应用

混凝土结构在外部载荷作用下的破坏过程是初始损伤不断演化发展和新的损伤不断形成的过程.通过试验确定了混凝土在浇注过程中形成的初始损伤,并据此对Jeeho Lee的塑性损伤模型进行了修正,然后利用该模型对乌江上某重力坝进行了地震作用下的动力损伤分析,并分别与不记入动水压力影响和不考虑应变率影响的结果进行了对比,所得结论对混凝土坝的震害研究有一定的参考价值.     

框架与框架填充墙结构的统计损伤诊断

提出了一种基于递推随机有限元方法(RSFEM)的随机结构损伤识别方法来识别框架与框架填充墙结构的损伤.在定义了随机损伤指数概念的基础上,考虑模型误差的不确定性和测量噪声的影响,建立了关于随机损伤指数的控制方程.然后,利用RSFEM得到了结构随机损伤指数的统计特性.数值算例的结果显示,新的方法与两步法结合能在考虑模型误差和测量噪声的情况下对结构损伤进行有效识别,且在结构随机参数有较大涨落情况下,该方法与蒙特卡洛模拟法同样有效.     

虚拟变形法的试验验证

利用有限元理论阐述并试验验证虚拟变形法（VDM）在结构损伤识别中的运用。VDM方法是一种结构快速重分析方法,利用虚拟变形模拟结构损伤,可快速计算给定损伤下的损伤结构的响应。以桁架结构为例,损伤只考虑单元刚度的折减,首先讨论了静态VDM方法,继而拓展到动态分析。根据损伤、单元实际变形和单元虚拟变形间的关系可以判断损伤类型和识别损伤大小。最后通过一个桁架结构的数值计算和悬臂梁的试验,分别验证了静态VDM方法和动态VDM方法。     

静荷载力作用下悬臂梁裂缝识别的小波方法

利用小波分析技术对梁结构的裂缝进行识别,采用gaus2小波对静荷载力作用下梁的挠度响应进行连续小波变换,根据小波系数模极大值位置识别裂缝位置,利用Lipschitz指数识别裂缝损伤程度.仿真实例不仅证明了方法的有效性,还着重研究了裂缝数量和位置、静荷载力大小和作用位置对Lipschitz指数的影响.     

一种受剪细观损伤单元模型及其应用

基于剪切损伤破坏机制,发展了相应的细观损伤单元模型,它由弹脆性的微弹簧和模拟裂缝滑移的塑性元件组成.混凝土单轴受压时的宏观性能可用受剪细观损伤单元的并联体来解释,由此建立了混凝土单轴受压的损伤本构关系模型,并建议了塑性变形的简化计算方法.通过引入混凝土剪切单元破坏应变分布随机场,推导了应力与损伤的均值、标准差的表达式.根据混凝土单轴受压时的应力-应变全曲线试验结果,结合随机建模原理和优化算法确定随机场参数和材料参数,将分析得出的受压随机应力-应变关系与试验结果进行比较,二者吻合良好.     

基于振型数据的蜂窝夹芯板损伤检测

以含有结构损伤的四边简支铝制蜂窝夹芯板为研究对象,采用锤击法模态实验提取损伤蜂窝夹芯板的振型数据,并针对蜂窝夹芯板上不同位置、不同程度的损伤,分别采用振型差值、曲率模态和高斯曲率模态三种损伤识别方法进行识别.结果表明:在四边简支铝制蜂窝夹芯板中存在损伤时,结构损伤位置处的振型差值比较明显,说明采用振型差值法对结构损伤进行识别可以准确判定损伤的位置,且在损伤位置准确判定后,可根据该位置已有的差值信息进行损伤程度判定.     

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.