基于柔度差曲率的简支梁损伤识别方法

针对土木工程结构健康监测,介绍了基于模态参数的损伤识别方法,分析依据模态参数获取结构刚度和柔度的条件,说明从一些低阶模态参数就可以获得柔度矩阵的精确估计值.提出一种利用柔度差曲率进行损伤定位与定量的新方法,通过对简支梁在不同损伤情况下的数值模拟验证了该方法的有效性,结果显示该法简单易行,具有一定的工程适用性.     

基于柔度矩阵的结构损伤识别方法

由于实际工程应用中高阶模态振型及频率较难测量,而柔度矩阵可以从低阶模态参数较精确获得,本文探讨了用柔度法对结构损伤进行识别与定位。通过对一简支梁的损伤数值模拟,采用低阶模态参数构建的柔度损伤标识量来进行损伤识别,计算结果表明:采用结构的柔度曲率对梁的损伤位置识别,既对损伤反应较敏感又可避免使用损伤前结构的模态参数;柔度曲率差值对结构损伤识别有较高的灵敏度,是较理想的损伤标识量。     

基于柔度矩阵法的结构损伤识别

针对工程结构的健康监测, 提出一种基于柔度矩阵法的损伤识别方法, 只需结构的低阶模态参数便可识别结构的损伤位置和程度, 克服了实际应用中高阶模态参数较难获得的缺陷, 并通过一个悬臂结构损伤识别的数值模拟验证了该方法的有效性.     

基于广义柔度矩阵的结构损伤识别方法

提出一种基于广义柔度矩阵的结构损伤识别方法. 以悬臂梁结构为例, 比较了柔度灵敏度方法和广义柔度灵敏度方法的损伤识别效果. 结果表明, 广义柔度灵敏度方法能更准确地识别损伤位置和程度.     

基于柔度矩阵的梁式结构损伤识别

结构在使用过程中出现损伤是不可避免的,这些缺陷或损伤的存在往往会导致结构物的突然倒塌或灾难性事故的发生.为了及时发现结构中的损伤,利用柔度矩阵的原理,得到梁武结构损伤识别的灵敏度参数ζ在此理论基础上,针对悬臂梁进行有限元数值模拟和试验研究,研究不同损伤位置、不同损伤程度对于结构损伤识别的影响,分析损伤前后结构的固有频率...     

基于广义模态柔度矩阵的结构损伤识别

用最小平方正交三角分解(LSQR）法研究结构损伤识别问题, 首先提出一种损伤定位方法, 然后将基于广义模态柔性矩阵的损伤识别问题转化为最小二乘问题, 最后用LSQR方法逐步确定损伤的位置和程度. 所给算例验证了方法的有效性.     

结构损伤识别的柔度灵敏度方法

 提出了结构损伤识别的柔度灵敏度方法。首先根据Neumann级数展开来推导结构柔度矩阵关于单元刚度损伤参数的灵敏度公式,以此为基础建立结构的损伤识别方程,通过矩阵拉直运算将矩阵方程转化为线性方程组来求解各单元损伤参数。指出了柔度矩阵灵敏度方法优于特征对灵敏度方法的几个显著特点。最后用一个桁架结构模型对所提方法作了验证。     

基于高分辨率模态柔度矩阵桥梁损伤识别的少量传感器方法

为了降低监测系统成本和提高桥梁损伤识别精度,本文利用少量传感器获得高分辨率模态振型. 在考虑路面粗糙度的情况下,基于柔度变化率进行损伤识别. 在不同路面粗糙度水平下,对移动车辆荷载作用下桥梁上所测位移响应进行特征正交分解,再将得到的主成分矩阵中高频动力分量信息过滤,获得高分辨率的模态振型. 利用少量传感器方法得到的高分辨率模态振型计算柔度变化率,将其作为桥梁损伤定位的指标. 为了验证该方法的有效性,对一简支梁进行模拟和试验. 结果显示,该方法在考虑不同粗糙度水平情况下,利用少量传感器得到高分辨率模态振型的柔度变化率能准确定位损伤.     

基于广义柔度曲率信息熵的梁结构损伤识别方法

广义柔度矩阵具有普通柔度矩阵的基本性质,且仅用一些低阶模态数据就可较为准确地获取,减少了截断高阶模态带来的截断误差。结合广义柔度矩阵对低阶损伤模态的敏感性与信息熵对系统非线性显著的突显作用,提出了广义柔度曲率信息熵指标。新指标以广义柔度曲率矩阵对角向量中每个元素与对角元素之和的比值作为整体概率函数,构造新的信息熵函数识别指标。使用简支梁和连续梁两种不同形式的梁结构算例对所提指标的损伤识别能力进行了分析验证,并采用服从截尾高斯分布的误差模型对所提指标的抗噪性进行分析。结果表明：广义柔度曲率信息熵指标能有效识别结构单处、对称位置处及多处损伤,且在误差不大于10%的情况下具有较好的识别精度。     

基于模态柔度矩阵变化指标的结构损伤预警方法

根据结构损伤后其柔度增大的特征,在与实测自由度相应的柔度矩阵基础上,提出了基于模态柔度矩阵变化的损伤预警指标FI 以及运用该指标对实际结构进行损伤预警或异常检测的步骤.损伤预警指标的敏感性分析包括不含噪声和含噪声情况.该指标的损伤报警阈值可依据结构在无损状态时由健康监测系统或定期检测所得到的实测模态数据以及结构有限元模型的模态分析结果计算得到.以润扬长江大桥斜拉桥为背景的数值模拟分析结果显示:无论有无噪声的影响,指标FI 都随着斜拉桥拉索或主梁损伤程度的增加而增大,且大于相应的损伤报警阈值. 在工程结构的使用过程中,可根据实测数据长期、连续地计算并观察指标FI的大小及其变化情况,在FI 值超过报警阈值时给出报警信号.     

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.     

基于遗传神经网络的入侵检测方法研究

入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护。作者提出了一个基于遗传神经网络的入侵检测方法,采用遗传算法和BP神经网络相结合的方法遗传神经网络应用于入侵检测系统中,解决了传统的BP算法的收敛速度慢、易陷入局部最小点的问题。研究表明,该方法效果良好,学习速度快,分类准确率高。     

神经网络法在定量损伤识别研究中的应用

为了探索一种可能的结构损伤在线监测方法,使结构损伤动力识别的研究更具工程实际意义,以工程上常用的截面开口槽形梁为试件,用试验模态分析与神经网络法相结合的方法,研究了位移频响函数指标、应变频响函数指标和模态频率指标在结构损伤定量辨识中的灵敏性。结果证明了神经网络法与试验模态分析技术相结合检测结构损伤的可行性,并指出应变指标对损伤更敏感。此外,指出了对于具有复杂模态的结构无法获取模态的完善信息时,用有限个点、有限个方向的测量数据进行损伤识别是可行的。     

基于损伤柔度曲率的塔式起重机塔身结构损伤识别研究

塔式起重机自身结构特征及其高空作业的属性导致其属于高危特种设备,极易发生重大伤亡事故,当塔机发生微小损伤时及时发现并检修是规避事故风险的基础和前提。以上海某大学新建项目工地上的QTZ100型塔式起重机为工程背景,将损伤柔度曲率作为损伤指标,通过构建有限元计算模型,分析多种微小损伤情况下结构应力与模态参数变化规律,与振型变化率作为损伤指标的分析结果作对比。研究表明,损伤柔度曲率曲线在损伤处产生了明显突变,可以识别出微小损伤发生的位置及损伤程度,且抗噪性能较好。     

利用修正的BP神经网络进行框架结构损伤诊断

提出了一种基于修正的BP神经网络方法的结构损伤诊断方法，该方法通过基于误差曲面调整权值以及引入动量因子算法来避免出现局部极小，并通过自适应调整学习速率来提高学习效率，从而解决了传统BP神经网络在实际应用中存在的收敛速度慢和存在局部极小的问题。算例表明，该方法能够不仅较为准确的检测出结构的不同程度损伤，而且提高了计算效率，同时具有较强的鲁棒性。     

结合遗传算法和阻尼牛顿算法的小波神经网络入侵检测

小波神经网络结合了小波变换和神经网络的优点,具有很强的非线性映射能力和自适应、自学习能力,特别适合于入侵检测系统.但小波神经网络的也有易于陷入局部极小值、收敛速度慢的弱点.对此,本文引入遗传算法来优化产生小波神经网络的初始权值与阈值等,确定一个较好的搜索空间,从而克服小波神经网络易于陷入局部极小值的缺点;同时引入了阻尼牛顿算法,在遗传算法所确定了的搜索空间中对网络进行快速训练,解决传统小波神经网络收敛速度慢的问题,两者构成阻尼牛顿-遗传-小波神经网络.仿真结果表明该方法可行,使神经网络的逼近能力和泛化能力得到了显著提高.     

基于神经网络的主动式红外结冰探测

针对飞机机翼结冰的特点,提出一种新型的主动式红外结冰探测方法.该方法采用红外激光直接照射物体的结冰表面,通过物体结冰表面反射回来的激光回波能量提取不同入射角和观测角下结冰表面的反射系数,利用光电探测器接受不同观测角下的结冰表面激光回波能量,光电探测器将光信号转换成电信号,通过放大和滤波电路对信号进行处理,经过A/D转换输入到计算机进行进一步的处理和分析.运用神经网络方法对其进行分类,最后给出物体表面结冰程度的信息.     

Edge detection of range images using genetic neural networks

Due to the complexity and asymmetrical illumination, the images of object are difficult to be effectively segmented by some routine method. In this paper, a kind of edge detection method based on image features and genetic algorithms neural network for range images was proposed. Fully considering the essential difference between an edge point and a noise point, some characteristic parameters were extracted from range maps as the input nodes of the network in the algorithm. Firstly, a genetic neural network was designed and implemented. The neural network is trained by genetic algorithm, and then genetic neural network algorithm is combined with the virtue of global optimization of genetic algorithm and the virtue of parallel computation of neural network, so that this algorithm is of good global property. The experimental results show that this method can get much faster and more accurate detection results than the classical differential algorithm, and has better antinoise performance.     

基于SBDART和BP的夜间雾遥感检测和能见度反演

为了挖掘卫星影像中的雾信息为雾预测预报服务,利用双红外亮温差值作为雾与地物识别分类标志,建立基于SBDART辐射传输模型和BP神经网络的夜间雾遥感检测和能见度反演模型。对2007年11月24日我国华北地区的一次陆地辐射雾MODIS卫星数据进行雾检测,同时反演雾区能见度。根据陕西省气象局提供的地面气象观测数据对模型雾检测结果和能见度反演结果进行验证,该次实验夜间雾检测的准确率为79.2%,地面观测能见度和反演能见度一元线性回归分析方程斜率为1.006,相关系数为0.8498。实验结果表明,模型具有较高的雾识别率和雾能见度反演结果,可为夜间雾识别和生消发展规律探讨提供一定的帮助。