基于RBF神经网络的网架结构损伤识别试验研究

针对网架结构损伤识别中模态密集、自由度高等困难,利用RBF网络良好的容错性和鲁棒性,依据损伤前后的网架结构模态参数发生变化理论,提出了基于模态参数和RBF神经网络的网架结构损伤识别方法。以一个6 m×7.5 m的正放四角锥网架结构为研究对象,首先依据连续倒塌理论计算各杆件的重要性系数,确定模拟损伤杆件位置;然后以损伤前后结构的标准化频率平方变化率及标准化位移振型的组合参数作为RBF神经网络的损伤指标,利用有限元分析得到学习样本,试验分析结果作为测试样本。采用二阶段损伤识别方法,首先在所有杆件中排查出可疑受损杆件位置,最后再精确识别损伤位置和程度。结果表明,该方法能够很好地识别网架结构的损伤位置和程度。     

基于频响函数和改进PSO算法的结构损伤识别方法

为解决在一定噪声水平影响下的结构损伤识别问题,提出一种基于频响函数和改进的粒子群算法的结构损伤识别方法。以单元刚度折减因子为优化变量,采用实测频响函数和计算频响函数的相关系数来构造粒子群算法(PSO)的优化目标函数和适应度函数;考虑到简单PSO算法在寻优过程易"早熟"的问题,采用增大粒子后期位置改变量的改进策略,最后通过该算法对IASC-ASCE SHM Benchmark结构进行损伤识别。结果表明:改进后的算法是有效的,且较简单PSO算法结果更精确,收敛速度更快。     

基于动力特性的复合支柱绝缘子节点损伤识别方法研究

以支柱类复合电气设备为研究对象,分析了结构损伤对其自振频率、振型等动力特性的影响,并通过预设损伤,运用基于动力特性的识别方法进行损伤识别分析。结果表明,绝缘子节点发生损伤会导致结构自振频率降低,且节点损伤程度越大,结构自振频率下降幅度也增大。通过损伤前后结构自振频率变化的平方比可快速准确定位绝缘子节点损伤位置,而采用基于振型曲率模态的损伤识别方法,不仅可以识别出支柱绝缘子发生损伤的位置,还可以判断其损伤程度。     

基于微粒群算法和BP网络的结构损伤识别

提出了基于BP网络的结构损伤识别方法,同时引入了微粒群算法对BP网络权值和阀值进行优化,建立了完整模型和损伤模型,进行了仿真,经检测样本证明,微粒群算法优化后的BP网络能很好的识别出结构损伤的位置和程度,是一种快速、有效的结构损伤识别方法。     

基于频率的网架结构损伤识别模糊系统研究

鉴于频率变化平方比仅是与损伤位置有关的量,利用基于频率变化平方比损伤识别方法不能识别网架结构的损伤程度,本文提出了一种网架结构损伤识别模糊推理方法.该方法以网架结构的前6阶频率变化率作为输入变量,以杆件的损伤程度作为输出变量,通过合理的模糊推理规则使频率变化率与损伤程度建立唯一的联系.经过网架结构的数值模拟分析验证了该...     

基于分布式传感网络的结构模态识别方法

结构的模态参数识别是结构健康监测系统的基本任务。随着工程结构的日益大型化和复杂化,振动测试时需要布置大量的传感器。传统的集中采集和处理技术将难以胜任海量数据的处理要求,采用无线智能传感器的结构健康监测系统正是应运而生的新方向,而分布式采集和处理是其特点。在无线智能传感网络拓扑结构中采用分布式算法求解结构整体振型,利用随机子空间法识别各子结构模态,结合粒子群优化算法调整子振型获取结构整体振型。通过混凝土钢管拱桥模型试验验证了分布式算法的可行性,并利用模态置信度(MAC)对比分析了由分布式模态识别方法和集中式模态识别方法得到的结果,结果表明两种算法吻合较好。     

基于神经网络的框架结构损伤多重分步识别

提出了基于神经网络的框架结构损伤多重分步识别方法,建立了用于框架结构损伤识别的高效神经网络。根据构件损伤的多重分步识别思路,把构件损伤识别过程分为:利用神经网络建立损伤异常过滤器对构件损伤进行预警;以频率构造的组合指标作为神经网络输入向量,对构件损伤进行初步定位;以频率和模态振型构造的组合指标作为神经网络输入向量,对构件损伤进行具体定位;以频率平方变化率作为神经网络输入向量,对构件损伤程度进行识别。最后针对三跨四层的框架结构进行了损伤识别数值模拟。结果表明:基于神经网络的框架结构损伤多重分步识别方法简化了网络的结构,能够有效地对框架结构损伤进行预警、定位和定量。     

基于振型相关性的结构模态参数频域自动识别

环境激励下,频域分解法(FDD)具有良好的结构模态频率和振型识别能力,但识别过程中需要基于频率准则人为判断奇异值曲线的峰值,无法准确识别出现近频交叠或重频情况的结构模态参数,而且不能自动进行模态参数的识别。对此,提出了基于振型相关性的MAC-FDD模态参数识别方法,该方法能自动搜索目标模态所对应的频率范围,并利用反映实测振型与理论振型良好相关性的最大模态置信准则(MAC)值判断和识别结构真实振型。给出了该方法的具体实现过程,对平面桁架和空间网架算例进行了模态参数识别。结果表明,该方法能够准确识别出各阶模态频率和振型,可以有效避免模态遗漏,且具有很强的抗噪能力。该方法弥补了常规FDD的不足,适用于对频率密集或具有重频现象的空间网格结构的模态参数识别,且其过程便于编程实现。     

基于模态参数的结构损伤识别研究进展

结构在长期服役过程中受外界因素的影响,发生老化、腐蚀、疲劳等损伤。因此,结构损伤识别成为工程界和科研界的研究热点。文中系统总结了基于模态参数的结构损伤识别方法的研究进展,着重介绍了基于频率变化、振型变化、曲率模态变化、模态应变能变化、残余力向量变化和传递函数变化等不同类型的损伤识别方法,并对其优缺点进行了对比和分析,并对其未来的发展趋势作了预测,望能为今后的损伤识别技术的研究和应用提供参考。     

桁架结构损伤识别的数据融合方法研究

以数据融合技术进行桁架结构的单损伤和多损伤识别。通过研究基于频率的结构损伤理论,分析归一化的频率和损伤位置的关系;利用小波概率神经网络的算法对决策融合进行修正,建立基于小波概率神经网络的数据融合结构损伤识别模型。运用结构计算软件计算了一典型桁架结构的频率,并融合为小波概率神经网络算法的输入特征向量,并对桁架算例模型结构进行损伤识别。通过桁架不同位置的损伤情况,验证该方法的有效性,并提出工程应用中应注意的问题。研究结果表明,基于小波概率神经网络算法的数据融合技术是一种比较可靠的损伤识别方法,具有良好的工程应用前景。     

改进粒子群算法的两阶段梁式结构损伤识别

针对实际工程监测时损伤识别误差大的问题,提出一种基于改进粒子群算法的两阶段识别方案。第1阶段利用D-S证据理论融合算法进行损伤定位;第2阶段利用改进的粒子群算法,对定位结果进行修正,同时准确定量损伤。仿真算例和实验分析结果表明:由于第1阶段损伤定位减少了可能损伤单元的数量,第2阶段基于改进粒子群算法的搜索范围减小,能更准确地识别多损伤和小损伤的位置和程度,且抗噪性能良好。     

杆系结构损伤识别新方法研究

结构损伤识别是近年来出现的一门新兴学科.从20世纪70年代到现在,人们为了寻找解决结构损伤识别问题的方法,进行了许多的研究工作,形成了很多种方法(频率法、振型法、曲率模态分析法等).但到目前为止出现的识别方法多是单一识别损伤位置或者单一识别损伤程度,而同步识别损伤位置和程度的方法还很少.文中基于结构损伤后频率进行识别的方法达到了同步识别损伤位置和程度的目的,弥补了该方面的不足.     

基于ARMAX模型和稀疏正则化的结构损伤识别方法

结构健康监测系统对于保障工程结构安全具有重要意义,而结构损伤识别方法是结构健康监测系统的关键组成部分。本文提出一种基于时间序列ARMAX模型和稀疏正则化的结构损伤识别方法。首先,建立与结构运动方程对应的ARMAX模型,并利用模型自回归系数提取结构的固有频率和振型;然后,将提取的结构模态参数作为损伤敏感特征,构建损伤识别求解方程;最后,结合结构损伤的稀疏特性,使用稀疏正则化算法对方程进行求解,由解向量中的非零元素可得结构损伤的位置和程度。进行了一个六层集中质量剪切结构试验,试验结果表明该方法可以准确识别出结构中损伤的位置和程度,与传统损伤识别方法相比,该方法有效提高了损伤识别的精度。     

基于GRNN神经网络的桁架结构损伤识别的两步法

损伤识别方法是结构健康监测系统的重要组成部分。基于广义回归神经网络(GRNN)模型,建立了结构损伤识别的两步法,构造了用于损伤定位和损伤定量的不同损伤识别组合损伤指标,并引入模态应变能系数选择节点,最后,结合典型桁架结构进行了损伤识别数值模拟研究。结果表明,即使在只获得低阶频率和少量节点一阶振型数据且含有噪声的情况下,采用构造的组合参数,GRNN神经网络对损伤位置及损伤程度识别都取得了比较理想的识别效果。     

基于结构模态参数的两种损伤识别方法的比较

对结构的损伤识别方法进行了研究,以最容易获得的结构动态参数频率为基础。研究采用柔度差作为识别指标,对结构的损伤进行判断定位。以一简支梁为例,通过有限元数值模拟了不同程度的损伤,分别提取结构损伤前后的低阶频率。然后分别采用一阶振型指标和柔度差指标进行损伤定位。结果表明,柔度差指标优于一阶振型指标能够更好地进行损伤定位。     

基于振型差与小波变换的结构损伤识别方法

对基于小波变换的结构损伤识别方法进行了研究,推导了小波变换理论,提出了基于一阶振型差与小波变换相结合的损伤识别方法。以结构损伤前后的一阶振型差作为原始信号,进行小波变换,通过小波变换系数的峰值来判断损伤位置。通过简支梁算例设定3种工况验证了这一方法的有效性,结果表明:采用该方法能够准确的识别出文中梁结构发生损伤的位置,新方法较仅采用损伤后结构的振型作为原始信号更加有效。     

测量模态不完整情况下空间网架结构的损伤识别

空间网架结构杆件数量庞大,自由度数目很多,要测得完整的模态数据有很大的困难。如何利用有限的测量信息对结构的损伤情况进行判断是一个实际的问题。对测量自由度不完整情况下网架的损伤识别,提出了两步法:第一,将测量的振型通过动力扩阶方法得到完整振型,利用模态应变能进行疑似损伤杆件判断;第二,利用最小二乘支持向量机对第一步判断的疑似杆件进行进一步的杆件损伤定位和定量。以一个空间网架结构为模型进行了数值模拟验证,结果表明对于测量模态不完整的网架结构损伤识别本文提出的方法是有效的。     

数字图像相关技术在结构损伤检测中的应用

结构损伤识别技术是结构健康监测的核心技术,也是健康监测的重难点之一。工程测量中受测量环境和技术的影响,很难获得完备的实验数据。论文利用一种新型测量技术,数字图像相关性(Digital Image Correlation,以下简称"DIC")技术,来提高模态应变能的识别精度。首先运用DIC技术和传统加速度传感器两种测量手段来获取固有频率和模态振型,实验结果表明,DIC技术获取的频率和振型与加速度传感器基本一致;随后对网壳结构进行基于DIC的模态应变能损伤识别分析,参数识别法获得模态振型及利用振型拟合得到的转角代入损伤识别指标进行损伤识别,结果表明,基于DIC的模态应变能损伤识别法能够有效进行损伤定位识别,且识别精度较好。     

人工智能在拉索损伤识别中的应用研究

对于拉索受力结构来说,拉索的损伤会对整个结构的运营安全性和使用耐久性构成严重的威胁和隐患,因此采用合适的手段对拉索的损伤位置和损伤程度进行快速的识别修复,对拉索类结构来说具有重要的意义。笔者对在大型桥梁结构中具有较大应用潜力的基于神经网络和遗传算法的智能损伤识别方法进行了总结分析,得出适合于大型桥梁结构进行损伤识别的智能识别方法同样适用于拉索损伤识别,但仍存在相应的局限性,需结合其他智能优化算法进一步完善,才能更好的应用于实际工程。随着大数据和人工智能技术的发展,大数据结合人工智能的拉索损伤识别方法将会是未来的发展方向。     

基于频率小波包分析的空间框架结构损伤初步识别

仅利用建筑结构少数测点的响应数据就达到对建筑结构是否发生损伤进行初步判断,无疑对实现结构的实时、在线健康监测具有重大的理论意义和实用价值。文章在将模态频率识别方法和小波包能量分析技术相结合的基础上,提出一种基于频率小波包分析的结构损伤识别方法。通过数值模拟,将其应用到一座三层一跨的钢框架结构模型的损伤识别上,进行理论方法有效性的验证。结果表明:在其固有频率变化率指标无法有效识别损伤的情况下,损伤识别指标明显识别出结构发生了损伤,并且还识别出结构损伤的相对程度,具有应用到实际工程结构中进行初步判断结构是否发生损伤的潜力。