应变模态法在悬臂梁结构损伤监测诊断中的应用

工程实际中各种结构的应变模态对于结构的微小损伤具有高度敏感性,依据这一特点及应变模态振型的变化,便于及时监测、诊断结构的损伤程度及损伤位置,以保证结构的可靠性及安全性.从理论和实验的角度探讨了应变模态的原理和参数识别方法,并通过实验对悬臂梁进行应变模态参数识别,获得了悬臂梁多阶应变模态的振型图.根据悬臂梁的振型变化,判断出结构微小损伤的具体位置,并由此验证结果将应变模态法应用于工程实际并对各种结构损伤进行监测诊断的可行性.     

斜拉桥结构施工状态下连续小波变换损伤识别方法

以在建的广东李家沙特大斜拉桥为工程背景,选取双悬臂施工状态下的结构为分析对象,利用MI-DAS软件分析获得结构的各阶振动模态,将之作为输入信号导入MATLAB中,进行Gaussian小波变换用于结构损伤识别.对不同位置与程度结构损伤的识别效果进行了讨论,对各阶模态及各类型模态的损伤识别效果进行了比较,并考虑了随机噪声的影响.研究结果表明,曲率模态对结构损伤较为敏感,损伤识别的效果较好.另外,损伤识别效果受一定边界条件的影响.但总的来说,曲率模态的连续小波变换信号能够快速、可靠地识别出施工过程中结构的损伤位置与损伤程度.     

基于能量特征的小波概率神经网络损伤识别方法

以小波能量特征向量作为概率神经网络(PNN)的输入向量集,提出了小波概率神经网络(WPNN)的损伤识别方法．为了验证该方法的有效性,对钢框架进行了损伤识别研究,并考虑了随机噪声的影响．识别结果表明：WPNN抗噪声能力强,识别精度高,在结构损伤识别与在线检测方面具有潜力。     

基于转角模态小波变换的连续梁损伤识别研究

针对采用基本振型进行小波变换识别连续梁支座附近损伤的困难,提出了运用转角模态小波变换识别损伤的方法.该方法在对连续梁转角模态进行有限元分析的基础上,用墨西哥帽小波做连续小波变换,并由多尺度小波分析确定损伤位置,由低尺度上的小波系数模极大值识别相对损伤程度,由小波系数线特征确.定损伤类型.通过对一具有离散裂缝、裂缝群和局部刚度下降三类损伤的连续梁做数值计算分析,验证了方法的有效性.该方法对连续梁损伤识别的工程应用具有参考价值.     

应变模态法在结构损伤监测诊断的研究

结构的应变模态对于结构损伤具有很高的敏感性，对于及时监测诊断结构的损伤保证结构的可靠性、安全性具有重要意义。本文从理论上研究应变模态的原理和应变模态参数识别方法。     

基于单元应变模态差和RBF神经网络的网架损伤检测方法

为对网架进行损伤检测提出应用杆单元应变模态差和RBF神经网络相结合的方法。在ANSYS下建立正放四角锥网架和蜂窝形三角锥网架的有限元模型,采用单元应变模态差作为损伤指标对结构进行杆单元的单杆、多杆损伤位置识别;应用RBF神经网络对杆单元损伤程度进行定量判定。分析结果表明该方法可以比较准确地判断网架杆单元的损伤位置和损伤程度,并对实际网架结构的损伤检测具有一定的指导意义。     

用应变模态对混凝土结构进行损伤识别的研究

从理论上探讨了应变模态对混凝土结构进行损伤诊断的测试原理和方法，并通过混凝土框架试验结果分析，证明了应变模态较位移模态对结构的损伤更加敏感。     

基于损伤应变模态的结构损伤识别直接指标法

目前应变类损伤指标大多只能损伤定位,个别方法可初步确定损伤程度,但普遍存在一弱点,即需同时利用损伤前后的模态参数,要得到损伤前的模态数据非常困难,该方法难以在土木工程中推广应用．文中提出基于损伤应变模态差分原理的损伤位置直接指标法ID、基于局域应变模态面积的损伤程度直接指标法IA,只需利用损伤后应变模态数据即能定位损伤、确定损伤程度．推导了损伤应变模态差分格式．建立了损伤位置直接指标、最优多项式完好应变模态曲线拟合、损伤程度直接指标数学模型．根据理论推导和数值仿真统计分析,提出损伤位置判定准则:(1)若某点的每阶指标值均最大,则该点有损伤;(2)若某点的某阶或多阶指标值越大,则该点损伤可能性越大;(3)对于某阶节点损伤,则可通过其余阶的指标值定位损伤．得出损伤程度直接指标具有以下4个特点:(1)随损伤程度增加呈单调递增趋势;(2)与损伤位置无关;(3)与应变模态阶数无关;(4)与是否归一化无关．     

基于振动模态小波变换模极大的结构损伤检测

给出了将小波奇异性检测原理应用于结构损伤检测的方法:对结构的模态振型进行离散小波变换,根据小波变换模极大诊断结构的损伤位置;利用BP神经网络模拟多个尺度下小波变换模极大与损伤程度之间的非线性关系,根据网络的输出诊断结构的损伤程度.为了检验该方法的有效性,以某简支梁损伤检测为例进行了数值模拟,结果表明,利用离散小波进行结构损伤检测,无需计算Lipschitz指数,而且精度可满足工程要求.     

基于曲率模态和小波变换损伤位置识别

小波变换和曲率模态相结合,对桥梁损伤定位有了更深的发展。     

损伤位置分步识别法中参数选择、样本简化等问题的探究

对于多层多跨的框架结构,构件数量众多,直接确定损伤位置十分困难。基于神经网络的损伤位置分步识别法是先构建一个网络来确定结构损伤层的位置,然后针对每层再分别构建一个网络,确定损伤层中损伤柱的编号,于是一个复杂的神经网络被分解简化为几个简单的子网络,这样可以根据模态参数的性质合理选择损伤识别指标,并降低训练样本的数量,从而提高了网络的识别精度。结合分步识别法,建立了详细的多层多跨框架结构数值模型,对模态参数的性质和选择,如何减少训练样本．样本的构造方法等影响识别的因素做了初步探究。     

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。     

钢结构损伤识别中Db族小波函数选择

在基于小波分析的结构损伤识别研究中，小波函数的选择是首先要考虑的问题．选取了部分Db（Daubechies Ⅰ）族小波函数，采用小波概率神经网络方法，对一个4层钢框架进行损伤识别研究，探讨了选择不同Db族小波函数对损伤识别结果的影响．研究发现，正则性好、消失矩大等特性的小波函数其损伤识别效果最好．     

基于小波分析的结构损伤检测

针对结构损伤检测系统的实时性和复杂性特点,探讨了基于小波分析的结构损伤识别方法。以小波分析方法为基础,对损伤工况下三层框架结构进行加速度响应的数值仿真,结果表明结构不同层的加速度信号对不同位置的损伤有不同的敏感性。应用小波分析法对结构工程损伤进行实时检测,可实现对结构损伤发生时间和位置同时进行定位,实现对结构工程损伤的早期诊断,为结构的维修加固提供可靠的依据。     

基于小波神经网络的框架结构损伤识别

以含损伤的框架结构为研究对象,对损伤位置和损伤程度进行识别。运用有限元分析原理,采用Lanczos法得到框架结构的转角模态,对其转角模态进行连续小波变换可以得到结构的小波系数,再由小波系数模极大值确定损伤的位置。以损伤后结构的固有频率作为神经网络输入参数构造神经网络,从而实现对框架结构损伤程度的识别。通过对一平面框架结构的损伤识别计算分析,验证了方法的有效性。     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

结构损伤识别的模态应变能方法探讨

分析了模态应变能用于结构损伤识别的可行性，并进行了有限元和实验验证．结果表明，模态应变能对损伤较为敏感，能够反映结构的局部状态变化，可以用来检测结构损伤位置。     

一种基于子波特征的模糊神经网络目标识别方法

针对雷达目标识别中相对不变特征量提取这一问题，提出了一种基于子波变换的特征提取方法．通过对三类飞机一维距离像的分类和识别，验证了这种方法的有效性，同时在将模糊神经网络作为模式分类器方面做出初步尝试。