基于卷积神经网络和迁移学习的结构损伤识别

针对传统基于机器学习损伤识别方法手工提取特征适应性差、识别能力弱等问题,提出一种基于卷积神经网络和迁移学习的新颖、快速结构损伤识别方法.首先根据损伤特征向量特点,提出原始信号的分帧处理流程;其次考虑多传感器数据融合要求,建立多通道一维卷积神经网络结构损伤识别模型,给出模型的整体流程和网络参数;然后采集不同通道和不同噪声水平下,模拟不同位置程度损伤的15层框架数值模型加速度数据,进行损伤识别;最后将网络模型进行迁移学习,对7层框架模型试验进行损伤识别,并验证所提方法的可行性、准确性和计算复杂性.结果表明,该方法实现了特征自适应提取、损伤位置和损伤程度的精准识别,具有突出的计算效率.     

结构初始损伤识别的随机弹性模量

为进一步借助环境激励条件识别结构损伤,导出了求解未损伤结构与损伤结构随机弹性模量的方程.该方法从特征值问题出发,视泊松比参数、弹性模量参数分别为常量与随机变量,并结合结构的有限单元模型以及实测数据.通过引入结构单元损伤因子,对结构的初始损伤进行识别.该方法既可精确评价结构的初始损伤程度,也可初步估计初始损伤的位置,为结构损伤自动识别技术的实际工程应用提供了理论基础.     

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.     

采用二阶频率灵敏度的损伤识别和试验

开发结构健康监测系统是结构损伤识别的一个重要课题 .由于结构频率容易测试并且有较高的测量精度 ,因此成为损伤识别中广泛应用的模态参数 .据此提出一种二阶频率灵敏度分析方法 ,通过测量结构损伤前后频率变化的损伤参数识别方法来确定结构的损伤位置和损伤程度 .对于层间剪切结构模型 ,可以测得结构的各阶频率 .对于多种工况进行了框架结构模型的振动试验 .试验结果表明 ,对于层间剪切结构 ,通过测量结构频率变化可以确定结构的损伤位置和损伤程度     

基于车激索力响应的斜拉桥主梁损伤识别研究

基于车桥耦合振动理论,建立车桥索耦合振动方程,求解得到车激索力时程响应,其次定义主梁刚度折减系数为主梁损伤因子,根据泰勒级数展开方法建立索力响应与损伤因子的灵敏度方程,然后采用Tikhonov正则化方法和有限元模型修正技术求解该方程,得到主梁的损伤因子,从而实现对主梁的损伤识别.最后,以实验室独塔斜拉桥试验模型为例,对主梁单一位置损伤和多位置的损伤识别进行了数值仿真,并探讨了车辆参数、噪声干扰等对损伤识别结果的影响.结果表明:提出的识别方法理论正确,识别的结果可信,且该方法对车辆的参数、斜拉索的选择不敏感,可用不同参数车辆激励下的任意一根斜拉索的索力响应对斜拉桥主梁各种损伤位置和损伤程度进行有效识别.     

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.     

基于时间序列分析的车桥共振损伤识别研究

随着我国高速铁路的快速发展，针对高速铁路中桥梁的损伤识别研究已成为热门研究领域。与传统静力条件下研究手段不同，在车桥共振条件下的损伤识别研究更加符合实际，具有真实广泛的应用价值。通过时间序列分析的损伤识别方法对桥梁振动响应的仿真数据建立 自回归移动平均模型，定义自回归模型参数的一种代数组合作为损伤因子，分别对比损伤因子的变化程度。最终分析表明，使用时间序列分析方法可以成功地对车桥共振环境激励下的结构损伤进行识别。     

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.     

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.     

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.     

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...     

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.     

基于加速度内积向量和灰云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定性问题,提出了基于加速度内积向量和灰云模型相结合的损伤识别方法。描述了云模型和云发生器的基本理论和公式,计算了结构在随机激励荷载下的加速度响应,并利用互相关函数和二阶差分法构造出加速度内积向量损伤指标,最后,基于灰云模型建立了内积向量和损伤区间的前件云和后件云。考虑随机测量噪声等引起的不确定性,利用多种模式下的加权和均化计算,建立了基于灰云模型的损伤识别方法。数值计算结果表明,所提出的基于灰云模型损伤识别方法,可以较好地进行含噪数据的损伤识别,其识别效果优于单纯的加速度内积向量损伤指标。     

基于结构测试的损伤诊断方法研究

从结构测试的角度论述了结构损伤诊断方法．该方法以结构测试为基础，将测试数据与模型分析结果进行综合分析比较，从中得到结构刚度等参数变化的信息，实现结构的损伤判别与定位定量分析．按测试方式的不同可分为基于静力测试的损伤诊断法、基于振动测试的损伤诊断法以及基于振动和静力综合测试的损伤诊断法．其中基于振动测试的损伤诊断法可进一步分为直接的系统识别方法、损伤指标法和有限元模型修正法．指出了损伤诊断方法的研究现况及存在问题，对今后研究的方向作了展望．     

基于小波包能量谱和因子分析的结构损伤识别方法

为了消除环境温度对损伤识别结果的影响,提出了一种基于小波包能量谱和多元统计方法——因子分析的损伤识别方法.首先利用小波包能量谱法对结构动力响应数据进行分析,得到结构动力响应特征参数;其次建立结构动力响应特征参数的因子模型,用因子分析法去除环境温度对于动力响应特征参数的影响,并通过计算得到结构损伤指标;最后以钢结构平台仿...     

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.     

基于小波分析的结构损伤检测

针对结构损伤检测系统的实时性和复杂性特点,探讨了基于小波分析的结构损伤识别方法。以小波分析方法为基础,对损伤工况下三层框架结构进行加速度响应的数值仿真,结果表明结构不同层的加速度信号对不同位置的损伤有不同的敏感性。应用小波分析法对结构工程损伤进行实时检测,可实现对结构损伤发生时间和位置同时进行定位,实现对结构工程损伤的早期诊断,为结构的维修加固提供可靠的依据。