基于峰值位移均值识别非线性结构的损伤

目前对结构进行损伤识别的方法大多基于结构振动信号的变化而进行，不同振动信号在不同环境下的损伤识别能力各不相同。为验证振动信号在随机环境下的的识别效果，以随机振动理论为基础，针对非线性结构的损伤识别问题，提出了利用结构峰值位移均值进行损伤识别的新方法。该方法不需要结构损伤前的模态参数。通过对两种不同类型非线性结构的数值模拟分析，对该方法进行了验证。结果表明，该方法能够有效识别结构的单处损伤、多处损伤以及损伤程度，充分显示了该指标检测损伤的准确性和敏感性。     

基于曲率模态和小波变换的结构损伤位置识别

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.在结构曲率模态基础上,本文提出了一种基于小波变换的结构损伤检测和定位方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,用损伤前后小波变换系数残差建立了结构损伤指标,通过小波变换系数残差的分布统计情况判定损伤的存在并确定其位置.应用简支梁数值模拟结果对该方法进行了验证.     

基于小波能量分布向量的结构损伤识别

利用小波变换时-频局部化性能,提出了基于小波能量分布向量的结构损伤识别方法。首先建立无损结构响应信号小波能量分布的总体向量;其次,将实测动力响应信号分解为小波包组分,计算其小波能量分布向量(样本向量);通过样本向量和总体向量之间的马氏距离识别损伤。该方法仅利用单测点结构响应数据进行损伤识别,实验方便,计算简单,并通过钢梁试验对损伤识别方法进行了试验验证,识别结果表明小波能量分布向量是一个比较好的结构损伤指标。     

随机子空间方法在桥塔模态参数识别中的应用

基于环境振动的结构模态参数识别方法正逐渐成为国内外研究的一大热点。环境振动方法就是仅仅利用结构测试的输出信号进行结构的模态参数识别,随机子空间方法就是其中的一种。随机子空间法是近年来发展起来的一种线性系统辩识方法,可以有效地从环境激励的结构响应中获取模态参数。它属于时域的方法,该方法不需要进行FFT变换,它不仅可以识别结构的频率,而且可以识别结构的阻尼和振型。文章首先介绍了随机子空间的理论,然后用该方法对正在施工中的南京长江三桥的南塔进行模态参数识别,通过与其他方法的识别结果进行比较,证明随机子空间方法不失为一种有效的模态参数识别方法。     

基于损伤部位向量法的钢框架损伤识别研究

对损伤部位向量(DLV)法作了简单介绍,并用该方法对钢框架进行了损伤识别和损伤定位。该方法假定结构损伤前后为线性,对结构损伤前后柔度矩阵差进行奇异值分解,将奇异值为零所对应的向量,作为静荷载施加在无损结构的测点位置,则应力为零的单元为可能损伤的单元。对3种不同工况的钢框架进行了振动模态试验,用前3阶模态参数构造框架的柔度矩阵,按照DLV法对其进行了损伤识别,识别结果与已知损伤情况相一致。从测试自由度不完备、噪声和振型质量归一化系数这3个方面对识别效果进行了分析,结果表明:当损伤使结构动力特性有微小改变时,使用该方法不易定位损伤,应结合局部损伤识别方法进行判定;当损伤使结构动力特性有较大改变时,该方法能有效识别损伤的单元。DLV方法概念简单,理论明确,不受结构类型的限制,不需要结构的数学模型和模型缩聚或扩展技术,只需获得结构损伤前后的前几个低阶模态参数,即可识别结构一处或多处损伤,实际应用时可操作性强。     

工作状态下梁及桥梁模态与损伤识别的新方法

工作状态下桥梁结构的模态参数识别是桥梁损伤识别的重要环节,考虑桥梁检测的实用性,桥梁检测一般应建立在环境激励的基础上,已有的环境激励下模态参数识别的方法对模态频率的识别的精度较高,而对位移模态的识别则误差较大。提出了一种利用移动质量块在不同位置时对桥梁的模态频率进行多次测量,用各次测得的频率值确定位移模态的新方法,使得位移模态识别的精度接近频率识别的精度,建立了该方法的初步模型,推导了频率与位移模态关系的理论公式,并通过数值模拟对该方法的有效性进行了说明。     

基于Hilbert-Huang变换和随机减量技术的模态参数识别

傅里叶分析的信号处理方法对非线性、非平稳信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和随机减量技术提出了一种新的、实用的模态参数识别方法,首先对结构振动信号进行滤波处理和经验模态分解,得到若干阶本征模态响应,然后利用随机减量技术提取自由衰减响应,进而由Hilbert-Huang变换得到信号的瞬时特性,最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。为了验证这一方法的有效性,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比识别的精准性仍然难以确认。     

基于连续小波变换的时变结构瞬时模态参数识别

为体现时变结构动力特性,定义随机冲击荷载作为时变结构输入激励,提出了基于连续小波变换的时变结构瞬时模态参数识别方法。在短时时变假定条件下,建立基于模局部极大值的连续小波变换时变参数识别原理,利用结构的输出响应进行瞬时模态参数识别,采用三自由度的时变结构体系进行数值模拟,该方法能够准确识别时变结构的瞬时模态参数值。通过设计具有质量参数可变的两层钢框架模型进行测试,验证了方法的有效性与可行性。     

直管损伤识别若干问题的研究

鉴于在结构健康诊断中模态参数对局部损伤不敏感,作者依据波动概念探讨了结构局部损伤的定位和损伤程度的识别方法。本文针对匀直钢管中损伤的识别,采用理论分析、数值模拟和物理试验相结合的方法论述了这一研究方向的可行性。具体研究结果如下:     

基于曲率模态曲线的结构损伤识别方法

采用曲率模态对简支梁的单处和多处损伤进行了识别研究。首先用ANSYS有限元程序建立模型,并计算得到了位移模态振型;针对噪声下具有不同损伤状况的结构,进行了曲率模态分析,通过曲率模态曲线的畸变定位损伤位置,然后利用最小二乘拟合法计算了损伤处的有效面积,并估计了其损伤程度。数值分析表明:曲率模态对结构的损伤较敏感,它无需原始结构的模态参数,仅需低阶模态信息便可准确方便的识别结构的损伤位置,识别过程中在引入随机误差情况下各指标识别效果的比较结果表明,所提方法能有效估计损伤程度,可为今后结构损伤识别提供参考。     

基于双层深度置信网络的梁桥结构损伤识别方法研究

为高效准确识别桥梁结构损伤,将深度学习与结构动力特性相结合,提出基于双层深度置信网络的桥梁结构损伤识别方法。首先取结构前3阶竖向振动频率和跨中节点前3阶竖向振动模态位移为参数,将其共同作为首层深度置信网络(DBN)的输入数据对结构的损伤位置进行识别;然后以1阶竖向振动的模态位移差作为参数,基于二层DBN对结构损伤程度进行预测;最后以郑许市域铁路桥梁为例进行验证。计算结果显示,当不考虑误差时,基于双层深度置信网络的结构损伤方法进行识别且结果精确;当噪声程度不超过10%时,定位识别结果准确率达100%;当噪声程度不超过15%时,定量识别结果最大绝对误差限不超过1.15%,识别结果准确;与传统的BP神经网络方法相比,本方法识别精度更高,抗噪性更强。     

苏通大桥结构健康状态评估技术研究与应用（3）：主梁损伤定位

为提高基于模态参数的损伤识别方法的损伤敏感性和噪声鲁棒性,将多源数据融合技术引入到苏通大桥主梁损伤定位方法中。基于D-S证据理论对模态柔度和模态应变能指标进行数据融合,并以苏通大桥扁平钢箱梁为分析对象,对融合后损伤定位指标的应用效果进行了讨论。结果表明：基于数据融合的损伤定位方法具有较强的损伤敏感性,只需要较少的低阶模态信息就能识别主梁的早期损伤;数据融合后,损伤定位指标可以在较强的噪声环境下准确地识别斜拉桥钢箱梁的损伤,具有较好的工程实用性。     

基于类柔度差曲率和频率摄动的结构损伤识别

为提高梁式结构损伤诊断的效率,提出一种基于类柔度差曲率和频率摄动的结构损伤识别方法。首先根据结构振动理论,研究广义柔度矩阵计算公式;再利用模态柔度对结构损伤灵敏性高的优点,改进基于柔度差曲率的损伤定位指标,定义类柔度差曲率LCFC损伤指标,并初步识别损伤;最后基于矩阵摄动进行结构损伤识别结果确认。考虑多种损伤工况,对一简支梁结构进行损伤识别数值模拟验证。结果表明:仅使用一阶模态,建立的类柔度差曲率LCFC指标对梁式结构损伤定位具有良好的诊断效果,且计算工作量小;对于含边界损伤单元的多损伤工况,当损伤程度大于10%时,LCFC指标识别有效;当损伤程度不大于25%时,各工况二阶摄动识别结果精度较高,相对误差较一阶摄动结果明显降低,证明了该方法的实用性、有效性和精确性。     

Structural modal parameter identification and damage diagnosis based on Hilbert-Huang transform

Traditional modal parameter identifi cation methods have many disadvantages,especially when used for processing nonlinear and non-stationary signals.In addition,they are usually not able to accurately identify the damping ratio and damage.In this study,methods based on the Hilbert-Huang transform(HHT) are investigated for structural modal parameter identifi cation and damage diagnosis.First,mirror extension and prediction via a radial basis function(RBF) neural network are used to restrain the troublesome end-effect issue in empirical mode decomposition(EMD),which is a crucial part of HHT.Then,the approaches based on HHT combined with other techniques,such as the random decrement technique(RDT),natural excitation technique(NExT) and stochastic subspace identifi cation(SSI),are proposed to identify modal parameters of structures.Furthermore,a damage diagnosis method based on the HHT is also proposed.Time-varying instantaneous frequency and instantaneous energy are used to identify the damage evolution of the structure.The relative amplitude of the Hilbert marginal spectrum is used to identify the damage location of the structure.Finally,acceleration records at gauge points from shaking table testing of a 12-story reinforced concrete frame model are taken to validate the proposed approaches.The results show that the proposed approaches based on HHT for modal parameter identifi cation and damage diagnosis are reliable and practical.     

基于多项式拟合均匀荷载面曲率曲线的结构损伤识别方法

为仅利用结构损伤状态的柔度矩阵对结构进行损伤程度识别,先对损伤状态的均匀荷载面曲率曲线进行最小二乘法拟合。根据曲率曲线差判断结构的损伤位置,对损伤位置的点进行剔除后,再利用未损伤位置上的点进行局部最小二乘法拟合,代替损伤前的均匀荷载面曲率曲线,用于结构的损伤定位与定量。通过一简支梁数值算例,先以理论的二次多项式进行拟合,考虑单损伤和多损伤的情况,进行损伤识别分析,再分析多项式次数、测点数目以及不同噪声水平对损伤定量精度的影响。结果表明:在一定范围内,次数越高拟合误差越小,但差别不明显,采用理论的二次多项式拟合即可满足结构损伤识别要求,无噪声的情况下,测点数目减半不影响损伤识别的精度,该方法具有一定的抗噪声能力。     

两种识别结构模态参数时域法的对比研究

模态参数是有效评估结构安全状况的关键参数,在结构抗震加固和健康诊断领域得到广泛应用。与频域法相比较,时域法直接利用实测的振动信号识别模态参数,不需要进行频域变换,减少数据处理带来的误差,并且可以实现大型结构的在线识别,真实地反应结构的现状。以同济大学12层钢筋混凝土标准框架振动台模型试验完整数据为对象,在详细介绍ITD法和复指数法2种时域法理论的基础上,通过编程选取结构不同测点的振动加速度时程数据,识别了小震和强震工况下12层钢筋混凝土框架模型振动台试验模型的模态频率和阻尼比,并结合移动谱识别结构模态参数的时变特性。结果表明:ITD法和复指数法可有效地识别结构的模态参数,自振频率的识别精度较高,而阻尼比的离散度较大;小震工况频率变化值不大,而强震工况频率值较初始时刻有明显的下降,这与试验现象是吻合的,进一步说明移动谱与这2种时域法相结合可以反应结构在塑性阶段的参数时变特性。     

Damage identification of a 3D full scale steel–concrete composite structure with partial‐strength joints at different pseudo‐dynamic load levels

Partial‐strength composite steel–concrete moment‐resisting (MR) frame structures represent an open research field in seismic design from both a theoretical and an experimental standpoint. Among experimental techniques, vibration testing is a well‐known and powerful technique for damage detection, localization and quantification, where actual modal parameters of a structure at different states can be determined from test data by using system identification methods. However, the identification of semi‐rigid connections in framed structures is limited, and hence this paper focuses on a series of vibration experiments that were carried out on a realistic MR frame structure, following the application of pseudo‐dynamic and quasi‐static cyclic loadings at the European laboratory for structural assessment of the Joint Research Centre at Ispra, Italy, with the scope of understanding the structural behaviour and identifying changes in the dynamic response. From the forced vibration response, natural frequencies, damping ratios, modal displacements and rotations were extracted using the circle fitting technique. These modal parameters were used for local and global damage identification by updating a 3D finite element model of the intact structure. The identified results were then correlated with observations performed on the structure to understand further the underlying damage mechanisms. Finally, the latin hypercube sampling technique, a variant of the Monte Carlo method, was employed in order to study the sensitivity of the updated parameters of the 3D model to noise on the modal inputs. Copyright © 2009 John Wiley & Sons, Ltd.