基于修正模态的混合遗传算法结构损伤识别

采用模态参数对结构进行损伤识别时,测试模态参数包含的误差使识别结果受到影响,严重时甚至不能反映结构的实际破损情况.结构损伤检测可以作为一优化问题.为此提出一种基于修正测试模态的损伤识别方法,即将基于测试频率和修正后的测试振型组成的函数作为优化目标,由具有鲁棒性及易于处理非确定性信息能力的遗传算法和局部搜索算法组成的混合遗传算法作为优化工具.基于桁架的分析结果表明,即使在测试数据包含误差的情况下,采用该方法也能获得满意的识别结果.     

基于WPD-LMD和排列熵的结构损伤识别方法

为了直接从结构响应提取损伤敏感参数,对激励未知情况下的结构损伤模式进行识别,提出了基于小波包分解-局部均值分解方法(wavelet packet decomposition-local mean decomposition,WPD-LMD)和排列熵的结构损伤检测方法.该方法首先对结构振动响应进行小波包分解,将振动信号分解为一系列窄带信号,然后对窄带信号进行局部均值分解,能有效提取低能量分量.通过计算损伤前后分量信号的排列熵,对结构损伤进行了检测,最后通过计算测试数据和样本数据之间的相对排列熵,对损伤模式进行了识别.实验分析结果表明,所提出的方法能有效地对结构损伤进行识别.     

基于ASCE SHM Benchmark模型的两阶段结构损伤识别方法

近年来,一种激励未知和输出部分已知条件下结构局部损伤识别的新方法得以提出,这种方法能基于子结构思想进行复杂结构的局部损伤识别,基于此方法,提出两阶段的损伤识别策略,并将其应用于第1阶段ASCE SHMbench-mark模型的case 4的4种损伤识别,以检验此方法的有效性.在第1阶段,提出8-DOF的损伤模型以进行损伤层的定位;第2阶段,利用子结构的思想,提出12-DOF的损伤模型,在包含损伤层的子结构中对损伤进行准确识别和定位.采用扩展卡尔曼方法对增广状态向量进行估计并使用最小二乘对未知激励进行递推,识别未知激励下的结构物理参数.损伤识别的结果显示,此方法能高精度地识别benchmark模型的各种损伤情形.     

基于低阶特征值的结构分散化损伤识别与整体状态评估

针对大型复杂结构状态评估问题,提出了基于低阶特征值的结构分散化损伤识别与整体状态评估方法.首先通过有限元法把实际结构离散成用基本参数表示的分析模型,然后采用主从自由度法把它划分为识别部分和非识别部分,对识别部分定义误差函数并建立状态评估目标函数,推导局部损伤识别的计算公式;在此基础上提出分散化损伤识别的概念,形成服役结构整体状态评估方法.最后通过数值模拟,对识别算法性能进行了详细的分析研究,通过整体平均识别误差指标显示了所提方法的有效性和准确性.     

局部特征映射与融合网络的人脸识别优化算法

针对传统特征提取算法的局限性,提出基于深度神经网络DeepLab v2的人脸识别改进算法。首先,对图像中人脸进行定位,采用DeepLab v2改进网络提取人脸的面部特征,通过加入压缩激励(SE)模块细化多角度纹理特征。其次,采用局部二值模式(LBP)特征映射对目标图像进行补充特征提取,细化纹理结构并减少光照噪声的干扰,提升识别的鲁棒性。最后,进行特征信息融合,采用分类模块对融合特征识别并分类处理。结果表明：对比经典目标检测算法YOLOv1和传统DeepLab算法,改进算法识别出多角度的人脸局部特征,且在正常光照下改进算法的识别精确度分别提高了3.1%和5.9%,在强光照下改进算法的识别精确度分别提高了9.5%和13.6%。     

基于小波包总能量变化率的体外拉索损伤识别方法

针对体外预应力拉索的损伤识别问题,建立基于小波包能量谱的拉索损伤识别指标,传统的频域计算分析方法很难对拉索的这类损伤进行有效的识别,需要从时频域进行分析. 首先,设计针对体外索结构的拉索损伤识别实验,得到不同损伤程度、不同索力和不同索长的拉索动力响应信号,并得到频率、时域和能量域的特点;其次,从小波包分解的能量域展开分析,建立小波包总能量变化率指标RES;最后,建立基于RES的拉索损伤识别流程,并进行实桥损伤识别. 结果表明,提出的损伤指标对损伤程度有较强的敏感性,能够有效地识别出体外索损伤,能够应用于体外预应力加固桥梁结构的长期监测中.     

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.     

基于布谷鸟算法的结构损伤识别

布谷鸟算法作为一种模拟布谷鸟寻窝产卵行为提出的优化算法,通过各布谷鸟个体的局部寻优行为,最终在群体中突显全局最优解,具有较好的收敛速度和精度。基于频率残差和模态保证准则(MAC)构建损伤结构的目标函数,并运用布谷鸟算法对结构进行局部损伤的识别。双跨简支梁及桁架的数值模拟算例表明此方法能有效地检测出结构的局部损伤,对噪声不敏感,具有高效率、高精度等优点,有望应用于实际工程。     

基于温度效应的桥梁结构模型非线性边界条件参数识别

超静定桥梁结构的温度作用效应会导致桥梁支座变形过大甚至破坏等损伤,从而使桥梁结构支座等局部构件进入非线性.而桥梁结构的温度效应本身又与其刚度和支座边界条件密切相关,因此在进行桥梁结构温度效应的模拟分析中,需要确定桥梁结构的非线性边界条件的参数,从而建立温度效应分析的可靠模型.通过对不同温度模式作用下的具有非线性平动和转动边界条件的梁式结构的温度效应分析,揭示了非线性边界条件参数与结构位移和应变温度效应的关系,并依此建立基于温度作用效应的优化目标函数,通过基于函数梯度的优化算法来实现非线性边界条件参数的识别.根据一座系杆拱桥的实测数据,验证了基于温度效应的边界条件参数识别方法的有效性.     

基于曲率模态和BP神经网络的简支梁的损伤识别

通过BP神经网络对简支梁的损伤位置和损伤程度进行了研究。文中首先采用有限元仿真软件ANSYS计算得到不同损伤情况下结构的前两阶固有频率并计算指定点的曲率模态值,并以此为输入参数建立用于识别简支梁损伤的BP网络,最后利用LM算法训练网络来进行损伤检测。结果表明：该方法能有效地对损伤位置及损伤程度进行识别,且对损伤程度进行识别的精确度较高。     

空间钢框架支撑结构损伤定位分析

提出了一种基于结构振动特性的损伤指标定位方法,对一空间复杂模型结构进行模拟损伤定位分析,考虑了2种损伤状态7种损伤模式,采用环境激励方式,利用有限的测试信息对不同的损伤模式进行分析,结果表明,将损伤指标同结构自身特性、识别的模态参数结合起来综合考虑,能够对空间复杂结构可能损伤的位置给出合理的估计．     

基于拓扑势的局部化重叠社区识别

针对传统社区识别算法中需要根据先验知识设定参数、 社区划分结果具有随机性及复杂度过高的问题, 提出一种基于拓扑势的局部化重叠社区识别算法. 该算法通过引入拓扑势计算节点的影响力, 利用节点间的局部相似性度量指标, 采用标签传播策略进行重叠结构的社区识别. 在真实网络及人工合成网络上与多种经典算法进行对比实验验证了算法的高效性.     

基于PSO的结构损伤检测应用研究

建筑结构损伤前后固有频率的变化包含了结构损伤位置和程度的信息,在此理论基础上,构造了BP神经网络的输入参数.针对BP梯度下降算法导致的收敛速度慢和易陷入局部最小的缺点,引入粒子群演化(PSO)算法来优化神经网络各层间的连接权值.首先通过有限元法提取结构固有频率的变化,结合PSO对神经网络进行训练,然后分别对结构的损伤位置和损伤程度进行识别.计算分析结果表明,PSO的引入,相较于单纯的BP算法,该方法在结构损伤检测中取得更优的识别效果.     

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.     

曲率模态方法对系杆拱桥的损伤识别

以系杆拱桥为研究对象,利用Midas建立有限元模型,研究系杆拱桥结构的特殊动力特性,并对基于曲率模态分析理论的损伤识别方法进行了探讨,引用平均曲率模态因子指标对系杆拱桥吊杆损伤进行判定,并利用平均曲率模态因子指标对实际已损伤的系杆拱桥测试数据进行分析,通过Matlab程序实现识别算法并获得识别参数,利用绘图软件强大的绘图能力绘制参数变化图,根据参数变化图判定实际系杆拱桥的损伤是否存在及损伤位置,验证平均曲率模态因子指标在实际系杆拱桥损伤识别中运用的可行性及适用性.研究表明:当系杆拱桥出现损伤时,已损伤位置平均曲率模态因子曲线会发生突变,运用平均曲率模态因子指标可以较好判定实际系杆拱桥的损伤位置,初步判定结构的相对损伤程度,在实际系杆拱桥的损伤识别中具有一定的应用价值.     

基于频响函数和PSO算法的结构损伤识别

为了验证粒子群算法(PSO)在结构损伤识别领域的有效性和可行性,提出了一种基于频响函数和粒子群算法的结构损伤识别方法。以单元刚度折减因子为优化变量,采用实测频响函数和计算频响函数的相关系数来构造粒子群算法的优化目标函数和适应度函数,通过该算法对IASC-ASCE SHM Benchmark结构损伤进行识别。结果表明,即使考虑一定测量噪声水平的影响,仍然能够将结构的损伤识别出来。     

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.     

一种改进最小二乘复频域方法及其应用

针对最小二乘复频域法在噪声干扰下模态参数识别精度不高的问题,采用分母替换函数,提出有理函数拟合改进算法,将其迭代后引入最小二乘复频域法.通过简支梁实验台锤击信号得到频域响应函数,代入到改进的算法中进行研究.结果表明:有理函数拟合最小二乘复频域法比最小二乘复频域法在噪声干扰下的识别效果较好,经过有理函数拟合改进后的多项式在阶次较低的情况下能识别出全部极点并得到更理想的稳态图,且对阻尼比的识别更接近真实值.     

基于动力特性灵敏度解析代数算法的结构损伤识别:理论与数值分析

基于结构动力特性灵敏度解析解,建立了结构损伤方程组代数表达式,该损伤方程组通过矩阵运算实现,简洁紧凑,有效地避免模态截断问题.同时,基于经典的随机子空间模态算法(stochastic subspace method,SSI)实现结构损伤前与损伤后的模态参数识别.将结构损伤前后模态参数识别结果代入损伤方程组,可以检测出桥梁结构损伤的位置和损伤的程度,该方法无需迭代.利用简支梁桥算例对该模态参数识别方法和损伤识别方法进行了验证和分析.数值计算结果表明,在噪声水平较低地工况下,本文提出的方法对单损伤梁和多损伤梁均能实现损伤定位和损伤程度的判别,计算效率较高.     

大跨斜拉桥运营模态分析方法对比

以某大跨度斜拉桥一年的实测数据为依托,对桥梁结构运营模态分析的常用频域和时域方法进行对比分析.用探索性数据分析对桥梁实测数据进行评判,从实测数据中筛选符合识别方法基本假定的数据;分别运用频域和时域运营模态参数识别方法识别了主梁和斜拉索12个月的运营模态参数,并对识别结果进行了对比分析;对比分析表明:不同构件可采用不同的识别方法,基于自适应总体平均经验模态分解的数据驱动随机子空间法,对运营状态下斜拉桥主梁的密集模态参数识别效果最好;峰值拾取法能准确、快捷地识别运营状态下斜拉索的模态参数.研究结果可为大跨度斜拉桥运营模态参数识别提供依据和参考.