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.     

损伤定位中应变模态指标的改进研究

由于传统的应变模态差指标峰值大小随损伤程度而变化,在利用应变模态差指标作为神经网络输入来识别损伤位置时,就很可能产生误判,为消除损伤程度对应变模态差指标的影响,对应变模态差指标进行改进,给予理论证明,并通过悬臂梁数值仿真算例进行验证.验证结果表明,所建议的改进方法指标与理论研究一致.     

利用应变模态差识别弯管内部损伤

为研究利用应变模态差识别弯管内部损伤的方法,以损伤前、后的应变模态差作为弯管损伤识别的损伤指标对其展开研究.首先,基于位移模态和应变模态的模态叠加特性和正交性推导了应变模态差公式;其次,利用有限元软件ABAQUS建立不同工况的弯管简化模型进行数值模拟.处理分析得到应变模态差曲线,以此判断损伤的存在和位置以及损伤程度.结果表明,通过该损伤指标能很好识别弯管损伤的存在和位置,并能有效地反映其损伤的程度;改变弯管的径厚比和弯曲形式,该指标对弯管损伤识别仍然适用.证明了基于应变模态差的弯管内部损伤识别的可行性.     

基于多尺度模型修正的结合梁斜拉桥损伤识别方法

以灌河大桥为工程背景,提出了基于多尺度有限元模型修正的结合梁斜拉桥损伤识别方法.首先基于现场环境振动试验结果和两阶段响应面方法对初始多尺度模型进行修正,并将修正后模型定为原始未损伤状态;进而,利用多尺度模型修正方法对结构不同部位不同程度的损伤进行识别,并探讨了模态曲率损伤指标和单元模态应变能损伤指标对不同结构尺度损伤的敏感性.分析结果表明:在不考虑噪声干扰情况下,模态曲率和单元模态应变能指标对精细小尺度单元区域主梁微小(1%)损伤均较为敏感,可识别出结构的损伤位置,而对大尺度单元区域的损伤敏感性略低;在考虑噪声干扰情况下,精细小尺度单元区域比大尺度单元区域在损伤识别方面的抗噪性更好,且模态应变能损伤指标的抗噪性略优于模态曲率损伤指标.故而提出的多尺度建模及其损伤识别方法具有应用到实际工程中微损伤识别的潜力,并为大跨结构损伤预后奠定了基础.     

基于两步小波变换的管道损伤识别

鉴于信号提取位置的不确定性,研究了信号提取位置对损伤识别的影响.对管道进行数值模拟,提取前两阶径向和切向位移模态.对轴向节点的径向位移模态进行小波变换,小波系数的模极大值反映了损伤的轴向位置;继续对环向节点的切向模态进行小波变换,通过模极大值来识别环向损伤位置;最后讨论了轴向损伤处节点径向位移的小波系数模极大值变化规律.结果表明:两步法可以有效识别损伤位置,轴向位置不含损伤时位移模态的小波系数能显示损伤的轴向位置但小波系数有所减少.     

基于数据驱动的应变模态参数随机子空间识别法

基于以应变和应变率为状态变量的系统随机状态空间模型,比拟基于数据驱动的位移模态参数随机子空间识别方法,建立基于数据驱动的应变模态参数随机子空间识别方法,用于环境激励下的结构应变模态参数识别,并通过数值算例和实例对识别方法进行验证。数值算例计算结果表明:应变模态参数随机子空间识别法可在各种噪声情况下较好地识别出结构的曲率模态振型,而且识别的曲率模态振型对局部损伤很敏感,具有较强的抗噪能力;实测算例识别的应变模态振型也与理论振型较吻合,从而进一步验证本研究识别方法的实用性。     

基于单元应变能变化率的结构损伤识别方法

针对梁类结构,根据单元损伤前后的模态应变能变化率,推导了新的损伤位置识别指标,并利用结构在损伤前后模态应变能变化与频率变化的关系提出了损伤程度评估指标.悬臂梁的数值模拟分析结果显示:损伤位置识别指标在损伤单元对应的结点处呈现显著的正号峰值,能够清楚地指示损伤位置;损伤程度识别指标对于单一损伤工况的损伤程度估算结果较接近于实际损伤程度,但对于多点损伤工况的损伤程度估计值偏小.所提出的损伤指标仅根据结构损伤前后的低阶模态频率和模态曲率即能达到较好的损伤识别效果,可应用于实际结构中.     

基于应变模态的直接损伤定位法

通常结构的位移模态和固有频率难以有效的反映结构是否损伤和损伤状况,应变模态能够更有效,更可靠的对结构损伤识别和定位。本文通过ANSYS对梁结构的不同损伤程度和不同的位置损伤工况的模拟仿真,进行结构损伤分析研究,最后通过前三阶应变模态振型结构损伤前后的比较,总结损伤结构的应变模态的变化规律,揭示应变模态对结构损伤的敏感性。     

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.     

简支梁损伤的模态曲率差值试验分析

在模态曲率差理论的基础上,运用采集和实时分析软件DASP得到结构位移模态分析数据,分析不同损伤状况下简支梁结构的模态曲率差曲线及损伤前后结构的固有频率.试验结果表明:模态曲率差指标能很好地识别出单个单元损伤和多个单元的损伤位置;单点或多点损伤的一阶模态曲率差值曲线的识别效果较为准确,损伤程度与曲线峰值的大小能够相对应,一阶模态曲率差曲线对损伤位置敏感性较强;该方法的进一步完善使得对大型结构进行无损检测成为可能.     

基于Boosting半监督的网络安全入侵检测算法

针对网络安全入侵行为升级快、隐蔽性强和随机性高等严重的安全问题,提出了一种基于半监督的网络安全入侵检测算法.该算法利用Boosting建立入侵检测模糊分类器,采用遗传算法进行迭代训练,生成最终的网络安全入侵检测模型.仿真结果表明,该算法有效提高了网络安全入侵检测的性能和效率.与SVM等先进的入侵检测方法相比,该算法能更加准确有效地检测各种类型的入侵,具有良好的检测效果和应用价值.     

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。     

基于模态柔度理论的结构损伤诊断试验研究

利用多参考点脉冲锤击法的输入输出动力信号获取结构的模态柔度,可以对结构进行损伤识别,设计了一根钢筋混凝土简支梁和一块钢-混凝土组合板的静动力试验.对不同损伤状态下的简支梁和组合板进行了动力测试,得到其模态柔度矩阵,并用来预测结构在荷载作用下的位移.简支梁试验结果表明,随着损伤程度的加深,结构自振频率降低,阻尼比增大,柔度增大,但自振频率只能判断结构损伤的出现,模态柔度则能够综合全面地反映钢筋混凝土简支梁结构的损伤位置和损伤程度.组合板试验表明,在线弹性状态下,动力测试与静力测试获得的模态柔度矩阵相差很小.设计了支座刚度变化、连接件损伤和横向支撑破坏这3种损伤工况,并用这3种工况来模拟实际桥梁结构可能出现的损伤状况.通过对比结构损伤前后的模态柔度位移信息,成功实现了组合板的损伤识别.     

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。     

基于模态柔度差曲率的梁结构损伤识别

对于梁式结构的损伤识别,模态柔度比结构的频率和位移模态更加灵敏,通过结构的前几阶模态就可以容易计算得到。文中提出了基于柔度差曲率的损伤识别方法,通过3种方式计算所提指标,将得到的指标进行损伤敏感性对比,在简支梁设置一处、多处和支座处的损伤工况,在两跨连续梁设置多个和支座处的损伤,仿真结果表明,通过模态柔度行均值计算的柔度差曲率最好,柔度列最大元素计算的指标次之,柔度对角元素计算的指标可以进行简支梁1处损伤,但对多处损伤有些模糊。     

基于不完备模态测试信息的结构损伤识别方法研究

测试信息不完备、测量噪声等因素是制约结构损伤识别方法应用的主要难点.为此首先采用部分测点的实测模态振型数据和未测点的有限元模型模态振型数据构造出完整的模态振型.其次,建立了一种适合梁系和杆系结构的基于不完备测试信息的损伤识别方程,并采用Levenberg-Marquardt非线性最小二乘算法进行了方程的求解.由于采用的是标量损伤模型,该方法可以同时进行结构的损伤定位和定量研究.最后,用一个平面桁架模型进行了数值模拟,重点考查了实测自由度数、模态数、测试噪声对损伤识别结果的影响.研究表明,在测试数据不完备及一定噪声水平条件下,该方法仍有较好的损伤识别能力.     

基于应变模态梁型结构损伤识别研究

传统损伤识别方法大多仅限于结构件中单个裂纹的确定,且损伤识别指标无法准确反映早期局部损伤。为此,提出了一种以应变模态差为表征指标的结构表面多裂纹损伤识别方法。首先,依据欧拉伯努利梁理论,建立了含有多裂纹悬臂梁结构传递矩阵方程,得到含裂纹悬臂梁位移模态振型和应变模态振型;其次,计算损伤前后应变模态差并作为损伤识别指标进行识别。以悬臂梁为例,利用MATLAB分别对单损伤和多损伤等不同工况条件进行了模拟仿真,在此基础上,利用PVDF压电传感器进行了单裂纹和双裂纹悬臂梁损伤识别实验。仿真结果和实验结果表明：应变模态差可以对单裂纹与多裂纹损伤工况进行识别,且识别精度高。     

基于模态曲率相关性分析的结构损伤定位方法研究

基于对灰色相关性分析在结构损伤中的已有研究,对基于灰色模态曲率相关性分析的动力损伤识别技术进行了深入研究,首次提出了基于一阶振型数据的损伤定位敏感因子一模态曲率置信因子（MDCAC）,通过该参数的变化曲线,就可以根据不同节点在损伤前、后的模态曲率因子的大小实现对结构的损伤定位。通过悬臂梁的数值分析,验证了模态曲率置信因子（MDCAC）是一个对损伤极为敏感的参数,该参数不仅对单损伤可以准确定位,对于相邻的多损伤、不相邻的多损伤都可以精确识别,即使是小到1％的微损伤也可以通过该参数的变化曲线对损伤单元准确识别。运用该因子进行损伤定位时,只需结构的一阶振型数据,而且不论数据量的多少,该因子都能对损伤单元进行准确的定位,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。     

移动载荷作用下起重机主梁损伤识别

作为桥式起重机上关键部件,主梁的安全性受到极大关注.以桥式起重机主梁为研究对象,对移动载荷作用下主梁裂纹损伤进行识别研究.首先建立主梁有限元模型,通过生死单元法杀死损伤单元模拟裂纹损伤,利用ANSYS瞬态动力分析法实现移动载荷加载,并将获得的主梁位移信号与解析解进行对比;然后对位移信号差分获取加速度信号,应用小波变换对主梁1/4、1/2、3/4位置的加速度信号进行分解,分析后选择包含损伤信息的高频部分小波系数构建损伤定位系数来实现损伤定位;最后利用损伤定位系数能量的对数构建损伤程度系数,结合模型匹配法,利用三次样条拟合建立损伤程度方程,识别损伤程度.该研究为起重机主梁移动载荷下的损伤识别提供重要理论参考.