基于区间分析的框架结构不确定性损伤识别方法

考虑实际结构易受荷载、环境温度和测试噪声等不确定性因素的影响,笔者基于区间分析原理提出框架结构不确定性损伤识别方法。利用测试的结构加速度响应数据,建立向量自回归模型,并采用其系数矩阵主对角线的马氏距离作为损伤特征指标。基于粒子群算法建立区间优化求解方法,并与传统的区间组合法和区间叠加法对比。通过提出的区间重叠率指标和区间名义值分别实现损伤定位和损伤程度的识别。数值模拟和实验室框架结构试验结果表明,区间分析能在测试数据较少时实现损伤识别,为损伤识别在实际结构中的应用提供了理论基础和技术手段。     

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.     

基于多类型传感器信息的结构损伤识别方法

计算2组基于径向基神经网络的结构损伤程度识别结果,一组神经网络输入是加速度传感器信息,另一组神经网络输入是应变传感器信息;以2组识别结果及其可靠性为基础,提出采用D-S证据理论数据融合方法的结构损伤程度综合识别方法.以网壳结构为研究对象,建立结构损伤模型和神经网络样本库及输入输出向量,并对不同噪声水平下结构损伤程度识别结果进行计算.计算结果显示,基于多类型传感器信息的结构损伤程度综合识别结果的误差明显小于基于单类型传感器的识别结果,并在神经网络输入有噪声的情况下,仍保持较好的效果.因此,基于多类型传感器信息的结构损伤程度识别方法在合理应用结构多类型响应信息的基础上,能够获得更优的结构损伤程度识别结果.     

基于小波包样本熵和支持向量机的框架结构损伤识别

基于小波包样本熵和支持向量机原理,研究了钢框架结构的损伤定位识别方法.分析在冲击载荷作用下框架结构的动力响应,对加速度信号进行小波包分解,建立小波包样本熵的损伤指标,采用支持向量机原理,识别结构损伤位置以及损伤程度.研究表明,该方法能够利用单一的传感器,实现理想的识别效果,且具有一定的适用性和鲁棒性,在60 dB的噪声水平环境中损伤定位识别结果在90％以上,在40 dB的噪声水平环境中,损伤程度识别结果在90％以上,框架实验模型研究表明,柱的损伤识别精度要高于梁的损伤识别精度.     

基于马氏距离累积量的斜拉桥主梁损伤识别方法研究

斜拉桥主梁是其运营中最为主要的受力构件,主梁的损伤识别方法研究一直是热点问题。针对结构健康监测数据,提出了一种基于马氏距离累积量的时域损伤识别方法。首先,构造基于马氏距离累积量的结构损伤识别向量,给出了利用监测数据进行损伤识别的操作流程。其次,建立了金塘大桥有限元模型,以正弦力激励的方式获得结构单元在健康及损伤状况下的加速度数据;并利用无损伤状态下的加速度数据作为参考样本,损伤状态下的加速度数据作为待测样本,通过对比损伤识别向量的变化情况进行斜拉桥主梁的损伤识别。最后,针对金塘大桥的实桥监测数据,进一步验证了该方法的有效性。结果表明,基于马氏距离累积量的损伤识别方法可以较为准确的识别斜拉桥主梁的损伤状况。     

基于马氏距离累积量的斜拉桥主梁损伤识别方法

斜拉桥主梁是其运营中最为主要的受力构件,主梁的损伤识别方法研究一直是热点问题。针对结构健康监测数据,提出了一种基于马氏距离累积量的时域损伤识别方法。首先,构造基于马氏距离累积量的结构损伤识别向量,给出了利用监测数据进行损伤识别的操作流程。其次,建立了金塘大桥有限元模型,以正弦力激励的方式获得结构单元在健康及损伤状况下的加速度数据;并利用无损伤状态下的加速度数据作为参考样本,损伤状态下的加速度数据作为待测样本,通过对比损伤识别向量的变化情况进行斜拉桥主梁的损伤识别。最后,针对金塘大桥的实桥监测数据,进一步验证了该方法的有效性。结果表明,基于马氏距离累积量的损伤识别方法可以较为准确的识别斜拉桥主梁的损伤状况。     

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.     

基于概率理论和AR/GARCH模型的非线性损伤识别

为了解决在不确定因素干扰下的结构非线性损伤识别问题,提出了基于概率理论和自回归/广义自回归条件异方差(AR/GARCH,autoregressive/generalized autoregressive conditional heteroskedasticity)混合模型的非线性损伤识别方法。描述了AR/GARCH模型的组合理论及其相应的组合公式,给出了模型参数估计和定阶方法。利用损伤前后的加速度响应信号构造AR/GARCH模型,并进一步提取出非线性损伤特征因子。采用概率理论和置信区间方法获取相应的损伤存在概率,并建立基于层间刚度的基本概率损伤指标。在此基础上,基于权化技术提出了改进概率损伤指标以提高识别可靠性。数值计算和实验验证结果表明,基于概率理论和AR/GARCH模型的损伤技术可以较好地解决不确定因素干扰下的非线性损伤问题,改进概率指标的识别效果明显优于基本概率指标。     

基于结构响应向量与支持向量机的桥梁损伤识别方法

针对基于结构动静态响应的损伤识别方法研究不够深入、结构动态响应对噪声比较敏感,从而极大影响损伤识别效果的问题,提出一种基于结构响应向量(SRV)与支持向量机(SVM)的损伤识别方法,引入主成分分析(PCA)提高方法的抗噪性,并利用简支梁和实际桥梁模型验证方法的有效性。结果表明,基于结构动静态响应组成SRV的识别效果和计算效率更优,结合PCA可以提高方法的抗噪性,并且能在所需响应信息更精练的基础上对实际桥梁模型进行良好的损伤识别。     

基于多特征融合与机器学习的井架钢结构智能诊断

为了解决复杂的井架钢结构损伤识别问题,创新的将时域多参数信息融合与机器学习结合起来,根据井架钢结构的加速度响应信号,提出了一种基于主成分分析和支持向量机的井架钢结构损伤识别方法。首先利用加速度传感器提取在冲击载荷下井架钢结构加速度响应信号,进而获得其多个时域特征：脉冲因子、裕度因子和峭度;然后依据主成分分析法将以上特征进行融合,在保证尽可能多的信息被保留的情况下形成一个新的综合性特征;此时将该特征数据输入支持向量机模型进行损伤识别。利用以上理论进行仿真模拟计算和识别,同时利用ZJ70型井架钢结构实验室模型进行试验分析。结果表明：利用该方法识别井架钢结构单一或多处损伤准确率较高,并且简单易行耗时较少。     

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.     

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.     

基于CQGA-LSSVM的桥式起重机主梁损伤识别

针对桥式起重机在使用中存在主梁损伤等结构问题,引入刚度变化指标将主梁的损伤识别问题转化为桥起主梁局部刚度的计算,并采用云量子遗传算法对最小二乘支持向量机中最佳模型参数进行优化调整,二者结合实现了对主梁的损伤识别.实验结果表明:所提改进方法无论是针对主梁单损伤还是多损伤,均可精确完成主梁损伤定位及损伤程度预测,并具有较好的抗噪性,是一种准确、有效的结构损伤识别方法.     

基于云模型和熵权的网络性能综合评估模型

针对网络性能评估中存在的模糊性和随机性问题,采用云模型和熵值理论,建立了基于云模型和熵权的网络性能综合评估模型;采用熵权方法计算各指标权重,为权重确定提供理论依据;采用云模型理论实现评语与评估指标值之间的不确定映射,保留了评估过程中的随机性。以VoIP网络为例采用仿真的方法对模型进行验证,结果表明该模型与普通模糊综合法相比不仅能得到正确的评估结果,而且能得出其概率值。     

基于不完备模态测试信息的结构损伤识别方法研究

测试信息不完备、测量噪声等因素是制约结构损伤识别方法应用的主要难点.为此首先采用部分测点的实测模态振型数据和未测点的有限元模型模态振型数据构造出完整的模态振型.其次,建立了一种适合梁系和杆系结构的基于不完备测试信息的损伤识别方程,并采用Levenberg-Marquardt非线性最小二乘算法进行了方程的求解.由于采用的是标量损伤模型,该方法可以同时进行结构的损伤定位和定量研究.最后,用一个平面桁架模型进行了数值模拟,重点考查了实测自由度数、模态数、测试噪声对损伤识别结果的影响.研究表明,在测试数据不完备及一定噪声水平条件下,该方法仍有较好的损伤识别能力.     

曲面重建中的光栅投影式测量方法

散乱点云数据的测量是三维物体曲面重建的前提和基础。本文在深入研究了三维测量原理的基础上,提出了一种基于格雷码-相移组合编码技术的光栅投影式测量和标定方法,并针对解码过程中由于图像噪声的干扰而可能出现的错误给出了一种码值修正算法。该测量方法综合了格雷码编码简单、测量范围大、抗干扰性强以及相移法分辨率高,适合测量小范围内表面连续的物体等优点。实验结果表明,应用本文三维测量系统测得的点云数据清晰,重建模型效果逼真,具有良好的实用性和稳定性。