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.     

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.     

静荷载力作用下悬臂梁裂缝识别的小波方法

利用小波分析技术对梁结构的裂缝进行识别,采用gaus2小波对静荷载力作用下梁的挠度响应进行连续小波变换,根据小波系数模极大值位置识别裂缝位置,利用Lipschitz指数识别裂缝损伤程度.仿真实例不仅证明了方法的有效性,还着重研究了裂缝数量和位置、静荷载力大小和作用位置对Lipschitz指数的影响.     

基于曲率模态差和小波变换的网架损伤识别

采用一种基于曲率模态差和小波变换的损伤位置识别方法,对网架结构中常见的正放四角锥网架、两向正交正放网架、两向正交斜放网架、三向网架和蜂窝型三角锥网架进行了损伤识别,以结构损伤前后的曲率模态差作为小波变换的分析信号,对其进行db3连续和离散小波变换,确定杆件损伤位置。数值分析结果表明,在仅测得一阶模态的情况下,应用曲率模态差和小波变换相结合的方法可以对网架的单个损伤位置和多个损伤位置进行有效识别。     

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．     

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.     

基于小波分析的弹性板损伤识别

以含有损伤的四边简支矩形板为研究对象,采用等效刚度代替板内损伤带的刚度,建立了含有多条损伤带的弹性板有限元模型.运用有限元法分析板的振动特性,由Lanczos法计算得到沿板边两个方向的转角模态.通过对板的转角模态进行db1连续小波变换,利用小波系数模极大值点判断板内损伤带的位置,给出了一种识别弹性板损伤的方法.通过对一含3条损伤带的四边简支矩形板进行损伤识别,验证了方法的有效性.     

结构损伤识别的周期小波方法

通过对结构损伤前后模态特征的变化进行分析,利用损伤结构的位移振型函数构造出曲率振型函数γi(x),然后再在曲率振型函数的基础上提出一个用于探测和评定损伤程度的新指标———损伤因子r(x)=∑i∈Idγi2(x);基于小波分析的方法,对损伤因子进行周期小波变换,通过小波系数的取值范围提出了一种结构损伤定位和损伤程度的评估方法.数值仿真表明,这是一种行之有效的损伤识别方法.     

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.     

基于曲率模态的拱桥损伤研究

本文设计了一个拱桥模型,对拱桥设定了多种不同的单损伤工况和多损伤工况.首先从理论上研究了曲率模态损伤参数,并用ALGOR大型仿真软件对拱桥进行模态分析,分别从固有频率、曲率模态和曲率模态突变系数等方面讨论拱桥的损伤情况.试验结果表明:利用曲率模态和突变系数能准确定位结构的损伤位置和损伤程度.     

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。     

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.     

基于小波变换模极大值的脉冲噪声去除方法

根据小波系数模极大值的特性,提出了去除脉冲噪声的一种新方法.由于脉冲噪声往往造成信号的突变,所以经小波变换后其小波系数易成为模局部极大值.由突变点的模极大值随着小波分解尺度的增大而减小的性质,可采取去除具有此种性质的模极大值的方法去除脉冲噪声.此方法也能很好的去除白噪声,因为白噪声与脉冲噪声的模极大值具有相同的特点.     

基于小波奇异性的梁结构损伤评估方法研究

通过一个简支梁的数值模拟,根据小波奇异性检测原理,利用两种方法对梁的损伤进行诊断,提出了利用Gaus1小波进行梁结构的损伤诊断方法.首先利用Gaus1小波对转角进行小波变换,对简支梁结构的振型求一阶导数,得到转角,再确定损伤位置、损伤程度与Lipschitz指数的关系,并与利用Gaus2小波对振型直接进行小波变换的方法进行比较研究,发现第一种方法在损伤定位、模极大值线的求取方面比后者优越.所提出的Gaus1小波方法可以对实际梁结构进行有效的损伤诊断,这将为小波理论的深入研究提供一种新的思考问题思路和方法.     

小波分析和神经网络在过程数据预处理中的应用

分析了信号的奇异性检测原理,利用小波变换模极大值在多尺度上的表现与李普西兹指数间的关系,对小波变换后的系数进行处理,重构小波变换,然后对重构后的小波变换进行小波反变换,达到信号预处理的目的;同时,介绍了自联想网络的结构及其在信号消噪方面的应用.仿真实例表明,利用这2种方法进行过程数据的预处理,消噪后信号的信噪比显著提高;小波变换模极大值方法具有很理想的逼近精度,而神经网络则具有快速的计算能力.     

基于小波多尺度乘积的信号去噪算法

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于小波多尺度乘积的信号去噪算法,该算法首先对信号进行多尺度二进制小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值的小波系数和去除噪声小波系数：再利用模极大值小波系数进行小波逆变换得到去噪后的信号。实验仿真表明：该算法在有效去除噪声的同时,也能保留信号的重要特征。