基于静力位移数据的桥梁结构损伤识别方法

当前桥梁营运状态健康监测越来越受到重视,近十多年来国内外学者一直在寻找能适用于复杂结构的整体探伤评估方法,也使得结构的损伤识别在大跨度桥梁健康监测领域中成为一个研究热点[1]。本文在总结和研究当前国内外桥梁结构损伤识别理论的基础上,提出了一种基于静态位移测量数据结合有限元计算的结构损伤识别方法,与动力损伤指纹法相比,静态方法具有更高的识别精度和可操作性。数值模拟分析证明了该方法的有效性。     

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。     

基于柔度相对变化率曲率矩阵的损伤结构识别方法

提出了一种基于结构柔度相对变化率曲率矩阵的损伤识别新方法。基于结构损伤的柔度差值矩阵,利用柔度差值矩阵和结构损伤前柔度矩阵的对应元素之比,构造柔度相对变化率矩阵。再对其进行差分处理,得到柔度相对变化率曲率矩阵,取此矩阵每列绝对值的最大值作为损伤识别新指标。简支梁、固支梁和连续梁的单损伤、多损伤算例表明,该方法仅需低阶模态参数就能准确定位损伤,且抗噪性能好。     

基于曲率模态的箱梁损伤识别方法研究

随着我国高速铁路的快速发展,针对高速铁路中桥梁的损伤识别研究已成为热门领域。通过曲率模态理论对实体单元建立的混凝土箱梁有限元模型进行损伤识别可行性研究,分析不同损伤位置、损伤程度和测点位置条件下损伤指标的变化。结果表明,结合曲率模态理论方法和实体单元建模方法可以更加全面准确地对损伤结构进行识别,为今后高速铁路桥梁检测提供参考。     

基于位移差曲率的下承式拱桥吊杆损伤识别

依据摄动有限元理论研究了拱桥吊杆损伤对拱桥位移的影响,提出了基于吊杆损伤前后拱桥位移差曲率的吊杆损伤识别方法,即先测出吊杆损伤前后的拱桥位移,求出位移差曲率,再依据位移差曲率曲线进行损伤识别。通过某下承式拱桥的有限元模型分析,表明该方法不仅能准确识别出损伤吊杆的位置,而且还能大致判断出吊杆的损伤程度,验证了该方法的正确性。该方法不仅适用于单根吊杆损伤的识别,而且还适用于多根吊杆损伤的识别,测试简单、精度较高,适合于工程应用。     

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.     

基于小波包能量曲率的环境激励下简支梁损伤识别方法

为了识别环境激励下简支梁的损伤时刻及损伤位置,提出一种基于小波包能量的简支梁损伤识别方法.首先采用小波包技术处理环境激励下健康状态和未知状态的简支梁位移响应时程数据,获得其小波包能量;然后根据各子频带的能量占比筛选出最优频带,并进行归一化处理得到能量曲率;最后以健康状态下的小波包能量曲率计算的损伤识别指标作为参考,对比未知状态下简支梁的损伤识别指标,获得结构中的单点或多点损伤状况,包括损伤时刻、损伤位置和相对损伤程度.简支梁数值模拟结果表明,该方法在信噪比≥40 dB条件下可以准确识别结构的损伤状况.     

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.     

基于广义局部曲率模态信息熵和BP神经网络的结构损伤识别方法

针对曲率模态对振型节点较不敏感且无法定量估计损伤的问题,在广义局部信息熵的基础上引入曲率模态,推导出广义局部曲率模态信息熵的公式,并建立相应的损伤指标.利用有限元软件Midas civil建立一简支梁桥损伤模型,提取并处理该简支梁的动力参数,将一阶曲率模态和广义局部曲率模态信息熵分别作为神经网络的输入参数,对损伤进行识...     

基于曲率模态的结构损伤定位

为了研究如何剔除绝对曲率差曲线用于损伤定位时所出现的干扰峰值点,在分析绝对曲率差用于损伤定位的理论依据基础上,以悬臂梁有限元模型为例,结合工程实际,深入研究了绝对曲率差曲线的特点及其损伤定位效果.根据绝对曲率差的损伤定位理论和其曲线特点,提出了用于剔除绝对曲率差曲线中各种干扰峰值点的损伤定位准则并进行了数值验证.研究结果表明,根据损伤定位准则能够完全剔除绝对曲率差曲线中的干扰点,实现对损伤的精确定位,为绝对曲率差曲线成功用于实际工程的损伤定位奠定了基础.     

基于频率变化的结构损伤识别方法

结构频率具有容易测量且数据比较精确的优势．论文对两种基于频率的损伤识别方法进行了评述，分别指出了它们的特点和不足，提出了把两种方法结合起来进行结构损伤识别的新思路，并以悬臂粱为例进行了验证。     

基于频响函数曲率的结构损伤检测

结构的损伤能够引起结构动力参数的变化。为了更明确地显示损伤,文中用频响函数曲率、频响函数曲率差、频响函数曲率比三种指标来进行损伤诊断。考虑到单处损伤及多处损伤情况,对简支梁进行数值模拟,并用上述三种指标进行了诊断。对比结果表明,在单损情况时,频响函数曲率差及曲率比都对损伤位置敏感;但在多损情况时,频响函数曲率比对损伤位置更加敏感。     

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。     

基于轴向振动的结构损伤识别方法

在理论上推导悬臂梁轴向振动微分方程及其3种支座形式的解析解的基础上,提出了一种基于轴向振动的结构损伤识别方法.该方法以轴向振动的低阶模态振型的二阶导数为损伤指标,无需结构损伤前的完好动力指纹.该指标对结构损伤的位置和程度均很敏感,既能精确定位损伤,又能标定损伤程度,即在损伤位置将发生相反方向的突变,且突变幅度随损伤程度的增大而增大.最后对方钢管构件进行了试验,测试结果证明了该方法的可行性.     

环境温度影响下基于频率协整的在线损伤识别

频率作为结构损伤特征参数,在实际工程中容易测得且具有较高的测量精度,但同时也常常受到外界环境和运营条件变化的影响,导致在时间序列上的非平稳,给实际工程的健康监测和损伤判别带来了干扰.为解决此问题,引入计量经济学的协整概念,通过非平稳序列的线性组合得到平稳序列,将因环境因素变化导致的结构特征参数非平稳问题转化为平稳问题.首先,详细介绍了ADF(augmented Dickey-Fuller)检验和EG(Engle-Granger)两步法检验,检验结构特征参数的非平稳阶数并计算协整系数;然后,以一个简支梁为例验证了结构频率序列之间的协整关系,给出了环境温度影响下基于频率协整的在线损伤识别步骤;最后,用预应力钢筋混凝土梁与钢桁架简支桥的算例验证了所提方法的有效性和鲁棒性.     

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。     

基于时间序列模型的结构损伤识别方法

针对现有结构损伤识别方法中因模型参数物理意义不明确而导致的损伤信息遗漏等问题,提出一种基于时间序列模型的损伤识别方法.首先,推导了具有外部输入的自回归模型(ARX)的一般表达式,并通过联立多自由度体系运动方程建立了考虑结构动力特性的ARX模型.随后,运用该模型预测得到未损伤情况下的节点加速度时程序列,根据其与实测数据的差异程度构造表征结构损伤的参数,即损伤因子.最后,根据损伤因子数值大小与分布情况评估结构损伤状态.数值算例结果表明,该方法在较少的测量数据样本下,能够较好地识别单位置与多位置损伤,并可较为准确地判断损伤程度,同时识别结果受激振位置与测量噪声的影响较小.     

基于神经网络的建筑结构节点损伤识别方法

将建筑结构节点损伤识别反问题归结为优化问题，然后用LM人工神经网络来求解．对建筑结构中某些点的垂直位移进行静态测量，用以确定建筑结构中受损伤节点的位置．同经典的优化方法相比，人工神经网络具有全局收敛性．利用神经网络对受损建筑结构节点的位置进行识别是一种可行的方法．数值模拟结果表明，采用Levenberg-Marquardt法训练的神经网络进行结构损伤识别具有较快的收敛速度和较高的识别精度，并且具有良好的鲁棒性。     

基于归纳学习的结构损伤识别方法研究

采用归纳学习方法来识别结构损伤．首先，通过对经典的决策树算法和序列覆盖算法进行结合与改进，得到一种高效且代价又小的归纳学习算法(RAC)，同时引入装袋算法产生多个分类法，并用它们进行类预测，而且使用选票策略得出最佳类预测．其次，用正交最小二乘迭代算法作为径向基函数(RBF)神经网络的学习方法，通过“信息一贡献”准则进行正交变换来优选中心．最后，对上述归纳学习方法用于梁结构损伤定位的效果进行了实验评估．结果表明，对于RAC算法和生成分类法的数目分别为10和50情况下的装袋算法，当损伤样本被噪声污染程度在100％时，识别精度均可达到90％以上，而对于RBF神经网络算法，只有当损伤样本被噪声污染程度小于70％时，识别精度才可达到90％以上。     

基于改进信赖域的结构损伤识别方法

提出了基于柔度的最小二乘目标函数,极小化结构实测模态柔度与分析模态柔度之间的误差,将损伤识别问题转化为二次优化问题;采用信赖域方法求解该问题,使优化过程具有更强的鲁棒性和可靠性,同时解决了柔度灵敏度方法应用在复杂结构中的问题。最后,通过某导弹发射台的骨架损伤数值仿真,验证了该方法的可行性和有效性。