基于曲率模态差和小波变换的网架损伤识别

采用一种基于曲率模态差和小波变换的损伤位置识别方法,对网架结构中常见的正放四角锥网架、两向正交正放网架、两向正交斜放网架、三向网架和蜂窝型三角锥网架进行了损伤识别,以结构损伤前后的曲率模态差作为小波变换的分析信号,对其进行db3连续和离散小波变换,确定杆件损伤位置。数值分析结果表明,在仅测得一阶模态的情况下,应用曲率模态差和小波变换相结合的方法可以对网架的单个损伤位置和多个损伤位置进行有效识别。     

基于小波变换的钢桁梁桥损伤识别数值分析

为了验证基于曲率模态理论和小波变换相结合的损伤识别方法在桥梁结构监测中的适用性,采用SAP2000软件创建钢桁梁桥有限元分析模型.通过调整节点处单元弹性模量的方法改变节点的连接刚度,并模拟节点的不同损伤工况,然后对结构的模态振型进行曲率模态计算.在Matlab软件中应用Bior3.9小波函数编程,提取曲率模态信号的小波变换系数得到损伤指标D值,根据小波变换模极大值法对桥梁节点进行损伤识别.研究结果表明,该方法能够较好地识别出损伤节点的位置,并且损伤指标会随着损伤程度的提高而增大,为钢桁梁桥的损伤检测和健康监测提供了一定的参考和借鉴.     

采用解析模态分解和小波变换的损伤识别方法

针对希尔伯特-黄变换(HHT)在信号处理中存在的模态混叠现象,引入解析模态分解定理(AMD)提取时变结构响应的一阶本征函数,并构建一阶本征函数能量比指标识别结构的损伤位置.从损伤位置处的响应信号出发,引入连续小波变换和时间窗思想,提出一阶本征函数小波能量变化率指标来预测结构的损伤演化过程.通过一个刚度突变和线性变化的三层剪切型结构数值算例,对一阶本征函数能量比和一阶本征函数小波能量变化率指标进行验证.结果表明:所提出的指标能够有效识别结构的损伤位置和损伤时间.     

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.     

基于小波变换的圆柱壳损伤识别方法研究

将连续小波变换识别裂纹的基本原理运用于圆柱壳的损伤识别研究,利用sym4小波对含裂纹圆柱壳的前四阶振型信息进行多分辨率分析以及连续小波变换,能够准确地识别出裂纹的位置;考虑到实测信号往往是含噪声信号,进一步研究了噪声对识别结果的影响。通过数值算例验证了其可靠性,表明此方法在圆柱壳结构损伤诊断中具有一定的应用价值。     

小波方法识别框架结构损伤

小波包分析损伤识别方法首先将结构响应信号分解为小波包组分,然后通过各组分小波信号的变化情况识别损伤。通过3层框架结构的数值分析,模拟结构损伤,判断损伤时刻与损伤位置。分析小波组分信号突变情况,可以识别损伤时刻、损伤位置和损伤程度。     

静荷载力作用下悬臂梁裂缝识别的小波方法

利用小波分析技术对梁结构的裂缝进行识别,采用gaus2小波对静荷载力作用下梁的挠度响应进行连续小波变换,根据小波系数模极大值位置识别裂缝位置,利用Lipschitz指数识别裂缝损伤程度.仿真实例不仅证明了方法的有效性,还着重研究了裂缝数量和位置、静荷载力大小和作用位置对Lipschitz指数的影响.     

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.     

基于复小波变换相位功率谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法 .利用Mexican-hat调制复小波基函数对齿轮振动信号进行连续小波变换 ,再作相位的频谱分析 ,可以突出边频带结构 .仿真信号的分析结果表明该方法可有效地用于齿轮故障诊断 ,与传统的自功率谱方法相比 ,具有抗噪声干扰能力强的优点     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

基于EMD和小波分析的建筑结构损伤检测探讨

采用经验模式分解(EMD)与小波分析相结合的方法探讨结构响应数据信号,进行建筑结构损伤检测诊断.与直接对原信号进行小波变换相比较,该方法能够更好地辨识出破损的时间局部特征信息.数值模拟和对建筑结构响应信号分析论证了该方法的有效性和实用性.     

基于Morlet小波时间尺度表示的地下连续墙无损检测

对Morlet小波及其变换特性进行了分析 ,利用其良好的时频正则性及复分析特性 ,把一维检测波映射到二维时间尺度表示 (TSR) -Scalogram谱图上。Scalogram承载了介质结构的丰富信息 ,利用这些信息能够实现对介质的全面分析和缺陷识别 ,辅以Morlet小波变换的实部模极大值 ,可以对缺陷进行准确定位。该方法有效地弥补了基于Hilbert变换的复信号分析 (CSA)、短时傅立叶变换 (STFT)及二次时频表示 (TFR)等方法的不足。对水泥土地下连续墙进行的无损检测结果表明 ,基于Morlet小波TSR的检测方法有较好的实用性 ,它为结构无损检测领域提供了一条新的技术路线。为进一步完善前述方法 ,将Morlet小波与Dergauss小波进行优势联合 ,可以避免模极大值线分叉现象 ,有利于提高定量解释精度。     

映射滤波器信号复小波变换的物理特性

依据信号处理中全通滤波器的理论,设计了从L2(R)到Softy空间的无畸变映射滤波器,分析了该滤波器的特征,研究了在有冗余和无冗余条件下基于该映射滤波器的复小波正、逆变换.结果表明,基于映射滤波器的复小波变换在理论上是完全可行的.由于该变换具有相位信息,可用于阵列信号处理和信号的方向性检测.     

基于小波变换的心阻抗血流图特征点提取

以小波变换的极大值在多尺度间的变化与信号的瞬变有直接关系为基础,由小波变换的奇异点(过零点、极值点等)来观测心阻抗微分波形,在感兴趣的尺度上找到模极值点和特征点的对应关系,从而完成对特征点的自动检测。采用临床医学ICG数据对算法进行了检测,实验结果表明:心阻抗微分信号中B点、X点的漏检率与采用传统的相干平均法相比有明显降低,说明小波变换技术是心阻抗微分信号分析与处理的又一可行有效的方法。     

润滑油磨粒超声回波信号的双树复小波自适应降噪

针对润滑油磨粒含有强噪声的回波信号的问题,采用基于双树复小波变换(DT-CWT)的自适应降噪方法,从而提取清晰的磨粒回波信号. 该方法结合奇异谱分析(SSA)和小波熵理论,分别对双树复小波变换后的近似部分和细节部分进行分析. 奇异谱分析去除了近似部分包含的噪声,同时,小波熵理论能够自适应选取不同分解层上的阈值,实现了细节部分系数的自适应选择. 仿真表明,对于润滑油磨粒超声回波信号的双树复小波自适应降噪,输出信号信噪比(SNR)高、均方根误差(RMSE)小、相似系数(NCC)大,算法运算时间能够满足在线检测要求. 实验分析表明,该方法降低了信号中的噪声,还原了准确的波形特征.      

基于小波变换的奇异性检测在信号分析中的应用

为了找到美元图像4个边缘的宽度，首先对图像进行长、宽方向的投影。投影信号中的突变最激烈的点就是边缘的起始处和终止处，将小波变换检测信号的奇异性理论应用于这种突变点的检测中。详细地分析了如何选择合适的小波基以及如何选择合适的尺度来进行突变点的定位方法。     

小波基带宽的变化对结构损伤识别的影响

分析了小波变换在结构损伤检测中的应用 ,证实选择具有不同带宽小波基对检测结果可起到关键性作用 .小波变换可以看作是一组带通滤波器 ,小波滤波器通过多尺度带通和自相关加强特性 ,对结构的动力信号进行实时检测 .利用灵活的多尺度带通小波滤波器组 ,对结构振动信号作滤波分析 ,结构所有的自然频率特性可以同时在时频空间出现 .通过观察不同带宽内振动信号的时频变化来判断结构损伤存在     

基于Morlet小波变换的振动特性参数识别

传统的振动系统特性参数识别方法对于非线性、非平稳信号的处理能力差,尤其对于阻尼比的识别精度较低.将Morlet小波变换和随机减量技术相结合识别振动系统的特性参数,首先利用随机减量技术提取振动的自由衰减响应信号,进而由Morlet小波变换对信号进行连续的小波变换处理得到小波能量谱,结合参数识别的基本理论及对时间-幅值坐标面曲线的半对数拟合结果得到振动系统的频率及阻尼比,数值仿真结果表明,提出的方法能有效识别系统的固有频率和阻尼比.将该方法应用于罐车模型流固耦合冲击试验研究,较好地识别出充液工况下振动系统的固有频率和阻尼比.     

弱磁场激励下基于阵列磁传感器的缺陷检测方法

研究在弱磁场激励条件下,铁磁性材料试件16MnR在动载荷拉伸实验中的损伤检测问题。 基于巨磁阻芯片设计了新型阵列磁传感器,搭建了铁磁构件磁信号检测系统;对不同载荷循环阶段的试件表面磁信号进行了拾取,并利用小波变换有效地抑制了噪声干扰。 最后,对降噪后的磁信号进行C扫描成像,实现了弱磁场激励下试件损伤发展过程的磁信号成像显示。 该结果可为铁磁性试件疲劳损伤的在位检测提供一种新型检测方法。