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.     

梁及桥梁应变模态与损伤测量的新方法

由于梁式结构的应变状况与其刚度有直接关系,因此对应变模态的测量可望用于桥梁损伤识别.梁的曲率模态和应变模态是直接关联的.通过对实桥标准简支梁损伤的数值仿真,揭示了曲率模态对桥梁损伤的敏感性.为便于检测损伤,还提出了一个新的损伤识别指标-应力变化陡峭度D, 并推荐一种具有高灵敏度和高一致性的DP型低频振动传感器作为实桥应变模态测量的信号检测设备.     

基于参数离散化的梁式桥损伤识别方法

针对梁式桥提出了一种基于参数离散化的损伤识别方法,并以结构动力指纹、实测位移、速度、结构刚度矩阵及其影响矩阵为变量,提出了全面损伤指标I1和精准损伤指标I2,通过数值模拟和实桥试验验证了该损伤识别方法的敏感性和抗噪性.结果表明,损伤指标I1和损伤指标I2均能有效实现梁式桥的损伤识别,且损伤指标I1具有更好的损伤敏感性和抗噪性,而损伤指标I2相对漏诊的可能性较低.在新沂河大桥损伤识别中,损伤指标I1能基本拟合梁式桥裂缝分布,较全面地反映出桥梁的损伤概况;而损伤指标I2对梁式桥中的重大损伤更为敏感,对于桥梁重大病害损伤识别的抗干扰性较高,能较准确反映桥梁结构的主要损伤.基于参数离散化的损伤识别方法可从本质上揭示梁式桥刚度损伤的数学形式,有效应用于梁式桥损伤识别中.     

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.     

基于吊索振动测量与神经网络技术的悬索桥损伤识别方法

为提高对悬索桥损伤结构的测量精度,提出将吊索张力指标和神经网络技术相结合对悬索桥结构损伤识别的方法.基于高精度三维有限元模型,模拟7种可能的损伤情况的定位.采用BP神经网络,以不同损伤程度下吊索张力指标作为神经网络的训练与测试输入,由神经网络的输出来指示损伤位置及程度.该方法的突出优点是只利用少量吊索的局部模态的基频,就可获得较好的识别结果.而对少量吊索局部模态的基频测量要比其他面向损伤检测的测量容易得多.因此,该方法具有重要的实用价值.     

基于曲率模态比值的城市公路桥梁损伤识别

损伤识别是大型桥梁综合监测系统的重要任务之一.本文从基于曲率模态的城市公路桥梁损伤识别方法入手,从理论上研究了曲率模态损伤指标,并用ANSYS软件对一钢筋混凝土单跨简支梁进行了数值仿真分析,指出曲率模态在应用于损伤识别时的特性,并在此基础上提出曲率模态比值,通过数值模拟分析看到它是一种良好的损伤指标,具有很好的发展前景.     

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.     

基于深度学习的框架结构损伤识别研究

卷积神经网络模型和长短期记忆网络模型是两种应用广泛的深度学习网络模型,为探究两种模型在结构损伤识别应用中的效果,采用两种网络模型对钢框架结构的损伤识别进行研究.以3层框架结构为例,选用削减单元自身动力特性后的模态应变能差作为损伤指标,分别输入到两种神经网络模型中,对梁柱单元的损伤程度识别和损伤位置识别进行分析.结果表明：两种网络模型均能很快掌握结构单元的动力特性,在学习了框架结构的模态特征后,均能够精准地识别出损伤单元的位置,同时能较为准确地预测出单元的损伤程度,验证了两种网络模型在以模态应变能差为指标的损伤识别中具有较好的适用性.对比两种网络模型的表现,发现卷积神经网络具有较高的训练效率和较好的泛化性能.     

浅析公路桥梁结构损伤检测识别方法与技术

我国现有大量公路桥梁存在着不同程度的结构损伤,采用科学合理的检测方法对保证桥梁健康营运具有重要的意义。首先阐述了结构损伤检测识别技术的发展概况,然后介绍了几种桥梁结构损伤检测识别的方法与技术,并对这些方法的优缺点予以评述。最后对桥梁结构损伤检测识别的发展前景进行了展望。     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.