基于特征灵敏度的Benchmark结构损伤诊断

为准确地评估结构的健康状况,提出了一种两阶段损伤诊断方法.引入柔度差值斜率的概念确定结构可能出现损伤单元的位置,采用基于二阶特征灵敏度的方法确定可能损伤单元的损伤程度.应用该方法对由国际结构控制协会与美国土木工程学会(IASC-ASCE)提出的健康监测Benchmark结构进行了分析.结果表明,两阶段损伤诊断方法能够准确地定出可能损伤单元的位置与损伤程度,识别结果与真实的损伤接近,说明该诊断方法是有效的.     

Benchmark模型结构两阶段损伤诊断

为准确地评估结构健康状况,提出了一种基于结构振动特性的两阶段损伤诊断方法。由归一化的损伤指标确定可能出现损伤的单元位置,采用二阶特征灵敏度分析法确定可能损伤单元的损伤程度。考虑3种对称损伤模式和1种非对称损伤模式,对由国际结构控制协会与美国土木工程学会(IA SC-A SCE)提出的健康监测B enchm ark模型结构第二阶段有斜撑的情况进行模拟分析。结果表明:该方法能够有效地识别出结构损伤单元的位置与严重程度。     

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.     

基于改进均匀设计表框架结构损伤识别方法与实验验证

为对框架结构柱破坏进行无损识别,提出一种基于改进均匀设计表确定结构损伤样本数据库,使用神经网络与平面单元模态应变能变化率进行损伤定位和程度识别的方法。提出应用正交设计优化均匀设计,以解决均匀设计试验点过少的缺陷。该方法以平面单元模态应变能变化率作为损伤指标,采用改进均匀设计表,选择具有代表性的损伤工况作为广义回归神经网络(general regression neural network,GRNN)的训练样本,对损伤位置进行识别;在确定损伤位置的前提下,利用径向基(radical basis function,RBF)神经网络对损伤程度进行识别。通过分步方法确定框架柱构件的损伤位置与损伤程度。数值模拟与试验验证了所提出方法的有效性。平面单元模态应变能变化率识别指标克服了空间结构模态振型不完备的缺陷,两步识别法避免神经网络训练时不收敛、趋于局部最小值等缺陷。该方法可用于框架结构柱损伤的位置确定和损伤程度识别。     

考虑比例阻尼影响的梁式结构损伤识别方法

为了研究阻尼对梁式结构损伤识别结果的影响、提高损伤诊断和安全评估的精度,将梁式结构简化为比例阻尼系统,推导出基于单元模态应变能一阶灵敏度的解析表达式,建立了考虑比例阻尼影响的梁式结构损伤方程组及其损伤识别方法.采用混凝土简支梁数值算例模拟了6种小损伤工况,损伤识别结果表明:基于单元模态应变能一阶灵敏度的损伤指标能够识别出小损伤位置和损伤程度,最大相对误差不超过10%.分别采用包含不同位置损伤的实验室简支钢梁模型组和一座有实测损伤的梁桥验证所提方法的可行性.研究结果表明:考虑比例阻尼影响时,基于单元模态应变能的损伤识别方法可以识别出梁式结构小损伤和多损伤.     

基于频率响应的悬臂工字型钢梁的结构损伤分析

基于结构动力学的基本理论,分析了悬臂工字型钢梁的振动模态特性,推导出结构损伤因子与损伤位置和损伤程度的函数关系.根据结构频率响应,运用频率平方变化比的方法进行结构损伤的初步检测与评估.应用ANSYS有限元分析软件对一悬臂工字型钢梁在11种工况下进行模拟计算,采用单元刚度折减来模拟结构损伤,并对工字型钢梁进行模型实验.     

基于曲率模态和神经网络的分步损伤识别法及其在桥梁结构中的应用

神经网络用于损伤识别遇到的最大问题就是训练样本数量的组合爆炸问题,单纯用神经网络进行损伤诊断有很大困难．提出了一种两步识别法来进行损伤诊断,即先采用结构的曲率模态,定义一个新的损伤指标,判断损伤位置,再利用BP神经网络精确识别损伤程度;运用两步识别法对一座混凝土连续刚构桥进行了损伤位置与损伤程度的识别．识别结果表明,对于2个单元和3个单元损伤的情况,分别只需16个和64个损伤样本就能取得满意的识别结果,大大减少了单纯利用神经网络进行损伤识别所需的损伤样本．     

基于深度学习的框架结构损伤识别研究

卷积神经网络模型和长短期记忆网络模型是两种应用广泛的深度学习网络模型,为探究两种模型在结构损伤识别应用中的效果,采用两种网络模型对钢框架结构的损伤识别进行研究.以3层框架结构为例,选用削减单元自身动力特性后的模态应变能差作为损伤指标,分别输入到两种神经网络模型中,对梁柱单元的损伤程度识别和损伤位置识别进行分析.结果表明：两种网络模型均能很快掌握结构单元的动力特性,在学习了框架结构的模态特征后,均能够精准地识别出损伤单元的位置,同时能较为准确地预测出单元的损伤程度,验证了两种网络模型在以模态应变能差为指标的损伤识别中具有较好的适用性.对比两种网络模型的表现,发现卷积神经网络具有较高的训练效率和较好的泛化性能.     

基于遗传算法的二阶段结构损伤探测方法

为了有效地进行工程结构的损伤识别,提出了一种基于遗传算法的二阶段损伤探测方法.首先利用基于频率的多损伤定位准则和基于位移模态的多损伤定位准则分别计算出有关损伤的初步决策,然后利用信息融合技术中的证据理论方法,将两者的初步决策进行融合,从而获得较为精确的损伤位置估计,最后在已识别出的可能损伤单元的基础上,利用改进的遗传算法进行更精确的损伤位置和程度估计.数值仿真结果表明,采用证据理论进行融合可以获得较为精确的损伤位置估计,比单纯的多损伤定位准则识别效果更好,而采用改进的遗传算法则可以更为精确地判定损伤的程度,优于简单的遗传算法.     

基于分级遗传算法的结构损伤识别方法

提出了一种基于遗传算法的利用不完整振动数据识别结构损伤的新方法，该方法首先扩展不完整的振型并利用单元能量熵差比确定结构损伤的大致位置，然后采用二级搜索策略，借助遗传算法确定结构损伤的程度，数值计算结果表明，当可能的损伤区域较大时，本方法较直接搜索策略更能有效地确定结构损伤的程度。     

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。     

一种基于主机的攻击危害度定义方法

在研究攻击危害度的基础上,将主机系统实际受损情况作为计算攻击危害度的重要因素,提出了一种基于主机受损度的攻击危害度定义方法;并在计算系统实际受损度时,提出了日志分析树概念和系统受损分析规则,并通过实例验证了规则的有效性。     

基于曲率模态和神经网络的结构损伤识别与仿真

探讨用曲率模态和神经网络对混凝土结构裂缝进行损伤识别和定位的方法.以一矩形截面悬臂梁为研究对象,通过完好结构和损伤结构的有限元分析,获得损伤标识量,输入Elman神经网络进行训练,以损伤位置和损伤程度作为网络的输出参数,进行单处损伤和多处损伤的定位研究.数值仿真结果表明,曲率模态振型对结构的损伤敏感,采用曲率模态和神经网络结合的方法可以同时确定结构损伤的存在、程度和位置,并且可以用于结构多处损伤的检测.该方法对于实际工程结构的损伤识别具有一定的指导意义.     

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．     

钢轨非接触式无损检测技术数值模拟研究

文中针对现有钢轨检测技术不足的问题,提出了基于空气耦合导波的钢轨非接触式无损检测方法,建立了可模拟空气耦合导波激励与接收全过程的声固耦合仿真模型,并基于声学理论对仿真模型进行了验证。首先,通过该数值模型模拟分析了轨底不同损伤程度对接收导波信号的影响;然后,考虑空气耦合导波受高强度随机白噪声的影响,提出了基于激励信号中心频率小波系数的损伤评估方法。结果表明：根据Snell定律及声学理论,钢轨空气耦合导波检测的最优激励角与接收角为6.6°;钢轨空气耦合接收导波具有波形稳定、能量集中及抗干扰能力强的特点;无论损伤程度大小及所处空间位置如何,接收到声压时域信号波包中心到达时间均基本一致;不同损伤程度对应损伤指数范围有明显差异;基于激励信号中心频率的小波系数法简单可行,准确度高,适用于已知窄带导波信号的损伤信息提取,在接收信号受噪声污染严重的情况下仍能够有效识别出钢轨损伤;基于空气耦合导波进行钢轨损伤识别具有可行性。     

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.     

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.     

浅层严重缺陷桩的识别

总结出基桩结构完整性检测中经常遇到的两种浅层严重缺陷桩信号的特征,提出了浅层严重缺陷桩的力学模型,以及判断浅层严整缺陷桩缺陷位置和程度的方法.对于波浪型的低频振荡信号用单自由度振动理论判断桩身结构完整性,对多阶高频大幅值振荡信号要分别用振动理论和波动理论判断基桩的缺陷性质和缺陷位置.实例证明了所提出的方法的正确性,该方法具有较强的工程实用性.