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,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%,表明所提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,所提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。     

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。     

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.     

基于静力测量数据的桥梁结构损伤定位研究

基于灰色理论的相关性分析方法将静态位移曲率置信因子SDCACi应用到大型桥梁结构的静力损伤识别中,通过该因子沿桥的横向节点、纵向节点的变化曲线实现了对桥梁结构损伤的准确定位.由识别结果可以证明:不论测量数据(用有限元仿真计算并加上了一个正态分布的随机扰动考虑测量误差)的多少,该方法对结构中的单损伤和多损伤都能进行准确的定位,因此该方法在大型结构及复杂结构的损伤识别中具有广阔的应用前景.     

基于模态的损伤识别过程中的传感器优化布置

为了提高损伤识别的准确性,开发了一种基于结构振动模态和Gauss-Newton算法的结构损伤识别方法。根据测量误差在损伤识别过程中的扩散,建立了损伤识别偏差的上限估计公式。用优化传感器布置的方法来减小损伤识别偏差上限,设计了相应的组合优化算法。通过数值算例验证了该方法的有效性。该方法被应用于识别一座实际桥梁的损伤情况,也得到了比较满意的结果。     

基于时频分析与神经网络的桥梁冲刷动力评估

桥梁基础水文作用是引起桥梁结构功能及安全性能失效的首要原因,而桥梁冲刷又是水文作用最主要的表现形式.依托舟山大陆连岛工程金塘大桥主通航孔桥,提出一种基于时频分析与神经网络的桥梁冲刷动力评估方法.首先,利用白噪声地震波模拟环境振动激励,采用动力时程分析法模拟环境激励下的上部结构振动,并获得其加速度响应,同时在振动过程中实时模拟基础冲刷深度的连续发展,进行环境振动激励下桥梁模态参数与冲刷发展的关联性分析,研究该方法的识别敏感性.进而,利用数值动力参数分析研究上部结构既有局部损伤多种组合形式对桥梁结构模态参数的扰动程度,以确定非冲刷损伤形式对桥梁冲刷动力评估方法准确性的干扰.最后,以模态分析中的低阶模态参数作为样本输入,以冲刷深度与墩位的不同组合作为样本输出,建立BP神经网络,实现桥梁冲刷深度与墩位的同步评估.研究结果表明:利用自振频率构建的动力指纹对冲刷发展较为敏感;该方法无论对冲刷深度还是冲刷墩位均具有较高的识别准确度,且可忽略有限局部损伤对识别准确性的干扰.该方法不需要水下操作,不需要昂贵的测试设备,仅需要加速度传感器以及数据采集装置,便于融入常规桥梁检测项目中.     

BP神经网络和曲率模态理论在桥梁损伤识别中的应用

目的 研究桥梁结构损伤识别指标,探讨结合BP神经网络理论开发程序对桥梁结构损伤位置及损伤程度智能输出的可行性.方法 对桥梁数值模拟,建立有限元模型并进行模态分析,得到损伤前后的模态数据;将模态数据曲率化后结合桥梁结构的损伤指标作为输入及输出变量,以输入变量与输出变量建立非线性映射关系;将大量损伤模态数据随机构成训练集及...     

基于静力位移数据的桥梁结构损伤识别方法

当前桥梁营运状态健康监测越来越受到重视,近十多年来国内外学者一直在寻找能适用于复杂结构的整体探伤评估方法,也使得结构的损伤识别在大跨度桥梁健康监测领域中成为一个研究热点[1]。本文在总结和研究当前国内外桥梁结构损伤识别理论的基础上,提出了一种基于静态位移测量数据结合有限元计算的结构损伤识别方法,与动力损伤指纹法相比,静态方法具有更高的识别精度和可操作性。数值模拟分析证明了该方法的有效性。     

基于过桥汽车动力响应的桥梁损伤识别

为了识别桥梁结构的损伤,提出了由过桥汽车的加速度响应识别桥梁损伤的灵敏度分析方法.将桥梁等效为等长的欧拉梁单元,汽车等效为单自由度3参数模型,将桥梁各单元抗弯刚度的减小(即损伤的程度)定义为损伤因子.根据损伤因子,采用最小二乘法和正则化方法,可用测试得到的汽车加速度响应识别桥梁损伤.结果表明:损伤识别结果对汽车参数变化比较敏感,汽车过桥行驶速度和采样频率对迭代次数有显著影响;损伤识别误差随着桥面不平顺和测试噪声的增加而加大.     

桥梁结构损伤识别的发展与研究

对桥梁结构开展损伤识别研究是目前国内外的研究热点。首先介绍桥梁健康监测的意义与现状,阐述目前的桥梁结构损伤识别方法,然后提出目前方法存在的主要问题,并给出解决问题的可行方法,最后展望桥梁结构损伤识别的发展前景。     

桥梁结构全息模态参数识别方法试验研究

针对传统桥梁结构健康监测中使用的接触式传感器存在数据离散性大、安装程序繁琐、难以反应桥梁结构整体状况等局限性,本文基于全息视觉传感器智能监测系统,识别结构全息几何形态在相应时空域上的振动信号,较为准确的获取结构全息图像数字化位移坐标信息,同时针对提取的振动位移进行频谱分析,获取桥梁结构的模态参数,实现对桥梁状况的基本识别。本文对一座缩尺模型桥进行试验验证,研究结果表明：全息视觉传感器智能监测系统测试结果与位移传感器测试结果吻合度较高,针对竖向荷载响应的功率谱,两种方法实测结果在低频范围内都能够较好地吻合,振型变化趋势基本一致。基于全息视觉传感器智能监测系统的桥梁形态监测真实、连续、敏感,较为准确地反映了结构在各工况下的位移变化和模态响应,后期将会进一步优化全息视觉传感器监测系统识别灵敏度,实现在各种工况激励下的高阶模态参数和结构损伤识别。     

基于多测点位移影响线的桥梁损伤识别研究

根据位移影响线理论,提出基于多测点的位移影响线差值曲率的桥梁损伤识别方法,实现对桥梁结构损伤前初始数据未知情况下的损伤识别检测.推导了简支梁出现损伤时的多测点位移影响线差值曲率公式,并对简支梁桥结构不同测点位置、不同损伤程度、不同损伤位置及多损伤的情况进行损伤识别分析.为验证该损伤识别指标的适用性,以某固端梁和三跨连续梁为研究对象,建立数值分析模型来进行损伤识别研究.结果表明:该方法可以识别出简支梁桥的损伤位置,对于多处出现损伤也有良好的识别效果;多测点位移影响线差值曲率指标可以用于固端梁和连续梁的损伤识别;仅需利用4个位移测点,不需要损伤前数据,便于实现;损伤识别效果受测点影响,选取合适的测点位置能提高损伤识别的效果.     

桥梁预警系统中两种损伤识别方法的对比分析

损伤识别技术是桥梁安全预警系统中的关键内容,损伤识别的方法还决定着整个系统的工作性能。通过对连续箱梁桥的仿真分析,从对损伤的灵敏性、定位的准确性以及对测试误差的抗干扰性三个方面出发,结合理论设定不同的工况对曲率模态法和柔度矩阵法进行综合的对比分析,研究了曲率模态法和柔度矩阵法在桥梁安全预警系统中的适用性问题,为桥梁安全预警系统中损伤识别方法的选择提供了依据。     

基于风载激励下桥梁结构模态参数识别

对桥梁结构长期运营造成的损伤进行检测时,传统的模态参数识别方法需要激振设备和中断交通,不仅复杂而且易给桥梁结构造成新的损伤。依据模态参数的变化可反映损伤程度的原理,提出无需激振设备的基于风载激励下随机减量/ITD法进行模态参数识别的在线检测方法,为桥梁结构损伤识别提供一种新的途径。识别的一阶固有频率及阻尼比的相对误差仅为1.39%和2.3%。     

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。     

基于卷积神经网络和递归图的桥梁损伤智能识别

为改进目前传统损伤识别方法对桥梁局部小损伤识别能力较弱的不足,提出利用深度学习方法中的卷积神经网络对桥梁损伤进行统计模式识别.根据卷积神经网络对损伤特征向量的需求,将车桥耦合振动下的原始结构响应信号进行小波包滤波和重构,之后通过递归分析获取不同损伤工况的递归图,将其作为新型的损伤特征图像作为卷积神经网络的输入.在此基础上提出基于卷积神经网络和递归图的桥梁结构损伤识别计算流程和方法.对一座连续梁桥进行不同位置和程度的损伤模拟,提取小波包频带能量及递归图等损伤特征向量,并进行基于多种统计模式识别算法的损伤识别.结果表明:与其他特征向量相比,递归图蕴含更丰富的损伤信息;与支持向量机和BP神经网络等传统统计模式识别方法相比,卷积神经网络能够通过逐层智能学习实现更准确的特征自动提取和区分,从而实现损伤位置和损伤程度的更精准识别.     

基于风载激励下桥梁结构模态参数识别

对桥梁结构长期运营造成的损伤进行检测时,传统的模态参数识别方法需要激振设备和中断交通,不仅复杂而且易给桥梁结构造成新的损伤。依据模态参数的变化可反映损伤程度的原理,提出无需激振设备的基于风载激励下随机减量/ITD法进行模态参数识别的在线检测方法,为桥梁结构损伤识别提供一种新的途径。识别的一阶固有频率及阻尼比的相对误差仅为1.39%和2.3%。     

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。     

基于子构件曲率模态变化的桥梁损伤识别研究

目的为保障桥梁运营安全,提高健康监测水平,对桥梁进行损伤识别研究;利用曲率模态曲线变化规律,提出一种基于桥梁子构件的识别方法.方法基于桥梁子构件分解技术,以一座梁式组合桥为例,设置不同损伤工况,根据组成桥梁整体各构件的特点将桥梁分解为较简单的构件进行损伤定位与程度识别,以振动分析中曲率模态参数的研究为基础,对桥梁在不同损伤位置、程度下曲率模态曲线的变化规律进行分析.结果结合桥梁损伤前后的曲率模态曲线变化,采用提出的拟合公式方法,不仅可进行损伤定位,对损伤程度进行准确识别,还可有效地提高损伤识别的效果.分析不同单元划分、截面形式等因素对识别效果的影响.结论桥梁子构件的识别方法可对实际桥梁健康进行监测,一定程度上解决了传统的曲率模态方法不能得到准确的损伤程度这一缺陷.     

混凝土桥梁的损伤诊断与承载力评估

基于结构振动理论和系统识别技术的桥梁健康监测系统已显示出了良好的发展前景。主要阐述了钢筋混凝土桥梁损伤的五种诊断方法,即振动模态参数识别法、动力响应及动力系数法、超声波法、冲击回波诊断法和自然电位法,并对这些方法的特点和应用作了比较。同时提出了混凝土损伤识别的四种方法,即模型修正法、动力指纹分析法、神经网络法和专家系统法,并系统介绍了这四种方法的特点。通过对钢筋混凝土桥梁的损伤诊断和损伤识别,正确客观的评估桥梁的承载力和安全状况。最后介绍了国内外几种典型的评估桥梁承载力的理论和方法,并对其发展趋势作了展望。