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。     

基于小波分析的多层框架结构损伤识别研究

为了利用小波分析时-频域局部化特性以及其对信号奇异点反应明显的特性,对2层框架结构的前八阶振型进行处理,计算其曲率,然后运用连续小波变换对曲率模态进行分析﹒通过对3种工况下的框架结构进行数值模拟分析,结果表明,曲率模态的小波变换系数模的极大值指示了结构的损伤位置,但结构损伤程度与小波变换系数模极大值大小之间没有内在的联系,其峰值的大小不能反映损伤程度,仅仅指示了结构损伤的位置﹒     

基于转角模态小波变换的平面框架裂缝识别研究

以有限元分析含裂缝平面框架的模态参数为基础,建立了基于转角模态小波变换识别平面框架裂缝的方法．利用Mexh小波对框架的转角模态进行小波变换,通过小波系数模极大值点来识别裂缝的位置．以一层平面框架为例,分别建立了框架梁含有裂缝、框架柱含有裂缝、框架梁和柱均含有裂缝的有限元模型,并通过转角模态小波变换来识别平面框架裂缝的位置．数值计算验证了方法的有效性．通过对平面框架基本振型和转角模态小波变换识别裂缝的比较发现,转角模态小波变换方法识别框架结构裂缝更为准确、有效．     

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.     

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.     

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.     

基于小波分析和遗传算法的结构损伤诊断

提出了小波-遗传算法的概念,建立了一种既能识别结构损伤位置、又能确定损伤程度的小波-遗传算法。首先,以有限元分析求解损伤结构振型模态为基础,用db1小波做连续小波变换,由小波系数模极大值识别损伤的位置。然后,以单元刚度的折减系数为遗传算法的优化变量,用振型和频率的误差函数加权来构造目标函数,并通过损伤位置的确定来简化目标函数的变量,再用遗传算法对目标函数进行优化,从而确定结构的损伤程度。通过对一简支梁进行数值模拟分析,计算结果表明,提出的方法不仅能够有效识别损伤的位置,而且能够准确识别损伤程度。     

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.     

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。     

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。     

框架结构节点损伤诊断的应变模态方法研究

对一框架结构模型进行了应变模态和位移模态试验,在试验中采用改变框架节点的连接状态以模拟节点的损伤,利用应变模态在结构节点损伤前后的相对变化对框架结构节点的损伤进行诊断．试验结果表明,框架结构一阶应变振型的试验值与计算值吻合良好,一阶应变振型对损伤的存在和损伤位置敏感,利用一阶应变振型在损伤前后的相对变化可以对框架结构节点的损伤进行诊断．     

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.     

小波分析与神经网络在结构损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解,根据各种响应信号对损伤的灵敏度选择损伤特征,从而识别结构出现损伤的时刻,以实现对其监控;分别对结构第一层位移响应信号和加速度响应信号做小波包分解得到各频段能量的特征向量,并分别作为特征参数输入到BP神经网络中实现损伤识别;比较了位移响应信号和加速度响应信号对损伤识别的灵敏性．模拟算例表明,小波分析和BP神经网络联合运用能准确地诊断结构损伤时刻、损伤位置和程度,具有一定的可行性．     

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.