基于单元应变模态差和RBF神经网络的网架损伤检测方法

为对网架进行损伤检测提出应用杆单元应变模态差和RBF神经网络相结合的方法。在ANSYS下建立正放四角锥网架和蜂窝形三角锥网架的有限元模型,采用单元应变模态差作为损伤指标对结构进行杆单元的单杆、多杆损伤位置识别;应用RBF神经网络对杆单元损伤程度进行定量判定。分析结果表明该方法可以比较准确地判断网架杆单元的损伤位置和损伤程度,并对实际网架结构的损伤检测具有一定的指导意义。     

斜拉桥结构施工状态下连续小波变换损伤识别方法

以在建的广东李家沙特大斜拉桥为工程背景,选取双悬臂施工状态下的结构为分析对象,利用MI-DAS软件分析获得结构的各阶振动模态,将之作为输入信号导入MATLAB中,进行Gaussian小波变换用于结构损伤识别.对不同位置与程度结构损伤的识别效果进行了讨论,对各阶模态及各类型模态的损伤识别效果进行了比较,并考虑了随机噪声的影响.研究结果表明,曲率模态对结构损伤较为敏感,损伤识别的效果较好.另外,损伤识别效果受一定边界条件的影响.但总的来说,曲率模态的连续小波变换信号能够快速、可靠地识别出施工过程中结构的损伤位置与损伤程度.     

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。     

简支梁损伤的模态曲率差值试验分析

在模态曲率差理论的基础上,运用采集和实时分析软件DASP得到结构位移模态分析数据,分析不同损伤状况下简支梁结构的模态曲率差曲线及损伤前后结构的固有频率.试验结果表明:模态曲率差指标能很好地识别出单个单元损伤和多个单元的损伤位置;单点或多点损伤的一阶模态曲率差值曲线的识别效果较为准确,损伤程度与曲线峰值的大小能够相对应,一阶模态曲率差曲线对损伤位置敏感性较强;该方法的进一步完善使得对大型结构进行无损检测成为可能.     

基于小波变换的钢桁梁桥损伤识别数值分析

为了验证基于曲率模态理论和小波变换相结合的损伤识别方法在桥梁结构监测中的适用性,采用SAP2000软件创建钢桁梁桥有限元分析模型.通过调整节点处单元弹性模量的方法改变节点的连接刚度,并模拟节点的不同损伤工况,然后对结构的模态振型进行曲率模态计算.在Matlab软件中应用Bior3.9小波函数编程,提取曲率模态信号的小波变换系数得到损伤指标D值,根据小波变换模极大值法对桥梁节点进行损伤识别.研究结果表明,该方法能够较好地识别出损伤节点的位置,并且损伤指标会随着损伤程度的提高而增大,为钢桁梁桥的损伤检测和健康监测提供了一定的参考和借鉴.     

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﹒     

基于两步小波变换的管道损伤识别

鉴于信号提取位置的不确定性,研究了信号提取位置对损伤识别的影响.对管道进行数值模拟,提取前两阶径向和切向位移模态.对轴向节点的径向位移模态进行小波变换,小波系数的模极大值反映了损伤的轴向位置;继续对环向节点的切向模态进行小波变换,通过模极大值来识别环向损伤位置;最后讨论了轴向损伤处节点径向位移的小波系数模极大值变化规律.结果表明:两步法可以有效识别损伤位置,轴向位置不含损伤时位移模态的小波系数能显示损伤的轴向位置但小波系数有所减少.     

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.     

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。     

基于曲率模态和小波变换损伤位置识别

小波变换和曲率模态相结合,对桥梁损伤定位有了更深的发展。     

采用解析模态分解和小波变换的损伤识别方法

针对希尔伯特-黄变换(HHT)在信号处理中存在的模态混叠现象,引入解析模态分解定理(AMD)提取时变结构响应的一阶本征函数,并构建一阶本征函数能量比指标识别结构的损伤位置.从损伤位置处的响应信号出发,引入连续小波变换和时间窗思想,提出一阶本征函数小波能量变化率指标来预测结构的损伤演化过程.通过一个刚度突变和线性变化的三层剪切型结构数值算例,对一阶本征函数能量比和一阶本征函数小波能量变化率指标进行验证.结果表明:所提出的指标能够有效识别结构的损伤位置和损伤时间.     

基于影响线多源信息融合的悬索桥损伤识别

为了精确识别悬索桥结构构件的损伤位置及程度,建立悬索桥空间结构有限元模型,通过模拟准静态加载提取并分析结构的位移、应力影响线,并构建了影响线曲率差指标,通过提取结构振型与频率,构建悬索桥结构柔度矩阵,并构造柔度曲率差变化率指标,用于悬索桥结构构件损伤识别。基于Dempster- Shafer证据理论融合影响线与柔度指标,对模型中纵向下弦杆、纵向斜腹杆和吊杆的不同位置与程度损伤进行识别敏感性研究。研究表明,柔度曲率差变化率损伤识别指标比影响线损伤识别指标对悬索桥构件损伤更为敏感,信息融合指标比单一损伤识别指标损伤定位精度更高,且具有较好的噪声鲁棒性。     

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。     

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。