基于模态曲率相关性分析的结构损伤定位方法研究

基于对灰色相关性分析在结构损伤中的已有研究,对基于灰色模态曲率相关性分析的动力损伤识别技术进行了深入研究,首次提出了基于一阶振型数据的损伤定位敏感因子一模态曲率置信因子（MDCAC）,通过该参数的变化曲线,就可以根据不同节点在损伤前、后的模态曲率因子的大小实现对结构的损伤定位。通过悬臂梁的数值分析,验证了模态曲率置信因子（MDCAC）是一个对损伤极为敏感的参数,该参数不仅对单损伤可以准确定位,对于相邻的多损伤、不相邻的多损伤都可以精确识别,即使是小到1％的微损伤也可以通过该参数的变化曲线对损伤单元准确识别。运用该因子进行损伤定位时,只需结构的一阶振型数据,而且不论数据量的多少,该因子都能对损伤单元进行准确的定位,因此该方法在大型结构及复杂结构的损伤识别中具有广阔的应用前景。     

基于静态应变及位移测量的结构损伤识别法

针对桥梁健康监测中结构参数识别所需的精度以及算法稳定性,探讨了基于静态应变及位移测量的结构刚度参数评估技术,由于量测住处的有限以及测量噪声的干扰,算法所建立的方程往往是一个病态的非线性方程。通过梯度法与Ｇauss-Newton法以及Monte-Carlo法的综合运用可有效解决这一问题,数值模拟实验的结果表明：只要测点布置合理、加工工况足够,基于结构静态响应的参数识别效果相当理想。     

基于曲率模态识别桥梁结构损伤的机理分析

阐述了曲率模态参数的特性,从有限元动力响应基本原理出发,分析了曲率模态用于识别桥梁结构损伤的机理,说明了曲率模态是一类对结构局部变化有敏感性的动力学参数,对于进一步在实际工程中识别桥梁结构损伤行为具有重要的指导意义.     

利用动静力测量数据的桥梁结构损伤识别

提出了一种基于模型修正理论的结构损伤检测的方法．首先给出一种利用结构振动模态数据修正结构刚度的于结构算法,然后将这一方法推广为同时利用振动模态数据和静力位移量测值的损伤识别方法;运用缩阶的理论分析模型解决实测自由度不足的矛盾．以一悬臂梁的损伤仿真试验,验证这一方法的有效性．并考察将这一损伤识别技术运用于大型桥梁实时监测系统的可行性     

桥梁健康监测中桥梁结构损伤智能识别方法研究

作为桥梁健康监测中的重要组成部分,结构损伤识别对桥梁维修和管理有着重要意义。为优化桥梁结构损伤智能识别效果,研究提出了基于小波变换改进和深度置信网络的桥梁结构损伤智能识别方法。结果显示,该方法对斜拉索受损模式的最大识别准确性可达到0.95,相较于NB算法提高了0.12。这表明,该方法增强了对复杂桥梁数据的处理能力,提高了桥梁结构损伤智能识别的准确性,有利于促进桥梁结构损伤识别技术的发展,为提升桥梁管理水平提供保障。     

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。     

桥梁结构损伤识别技术的研究进展

桥梁结构的安全与健康状况关系着国家财产和人民生命的安全,然而桥梁垮塌事件屡屡发生,逐渐引起了社会和人民的高度重视和广泛关注。大部分桥梁结构垮塌事故源于对结构损伤地忽视,或者是缺乏有效的识别方法。因此,桥梁结构损伤识别方法的研究对确保桥梁结构安全与健康有极其重要的作用和意义。本文主要研究桥梁结构损伤识别方法的发展应用情况。     

基于模态应变能相关性的结构损伤定位研究

本文基于灰色相关性理论,通过分析结构发生损伤时单元模态应变能与未损伤时单元模态应变能的相关性对结构损伤进行定位,提出了模态应变能置信因子,根据该因子的变化曲线即可实现结构损伤的准确定位。将该方法用于两端固支梁的单损伤及多损伤的损伤定位中,识别结果可以验证:无论是单损伤还是多损伤、损伤是连续或是不连续、损伤程度是否相同,该方法对结构中的损伤都能实现准确定位,后续研究将此方法应用于大型复杂结构的损伤识别中。     

桥梁结构损伤识别的发展与研究

对桥梁结构开展损伤识别研究是目前国内外的研究热点。首先介绍桥梁健康监测的意义与现状,阐述目前的桥梁结构损伤识别方法,然后提出目前方法存在的主要问题,并给出解决问题的可行方法,最后展望桥梁结构损伤识别的发展前景。     

基于静力测量参数的结构损伤状况评估理论

在对结构进行检测测试后,通过对测试数据的分析,判断结构单元特性,可以识别出结构损伤的位置和程度。本文依据结构的刚度变化和位移测试数据,介绍了一种基于静力实验结果的损伤状况评价方法,为进一步补强加固提供了理论依据。     

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.     

桥梁损伤的移动质量多次测量检测法

提出了一种新的桥梁损伤检测方法．该方法采用移动质量块在不同位置对桥梁进行多次测量,只利用各次测量的频率值来确定桥梁结构的其它模态参数,从而确定桥梁的损伤情况．文中建立了该方法的理论模型,并对理论公式进行了推导,最后通过数值模拟对该方法的有效性进行了验证．     

基于静力测试的结构损伤检测研究进展

对近年来基于静力潮试的结构损伤检测方法进行了归纳和总结,阐述了基于静力位移的损伤检测技术.从位移法、模型修正法、静力测试与智能算法的结合、动静结合方法等方面综述了目前国内外基于静力测试结构损伤检测的研究成果,并分析了各种方法的优缺点,最后根据静力损伤检测方法在应用上存在的问题展望了今后的研究趋势.     

桥梁的损伤识别

现在很多桥梁都安装了监测系统 ,自动损伤识别是桥梁健康监测系统的核心技术和热点研究问题。文章介绍了几种桥梁损伤的识别方法 ,包括动态法、静态法、有模型法、无模型法、位移法、应变法以及 BP和 RBF神经网络法的比较。目前健康监测系统尚不具备损伤识别能力。如何设计一个高效的用于结构损伤识别的自动损伤识别系统 ,是个值得研究的问题     

基于曲率模态和神经网络的分步损伤识别法及其在桥梁结构中的应用

神经网络用于损伤识别遇到的最大问题就是训练样本数量的组合爆炸问题,单纯用神经网络进行损伤诊断有很大困难．提出了一种两步识别法来进行损伤诊断,即先采用结构的曲率模态,定义一个新的损伤指标,判断损伤位置,再利用BP神经网络精确识别损伤程度;运用两步识别法对一座混凝土连续刚构桥进行了损伤位置与损伤程度的识别．识别结果表明,对于2个单元和3个单元损伤的情况,分别只需16个和64个损伤样本就能取得满意的识别结果,大大减少了单纯利用神经网络进行损伤识别所需的损伤样本．     

结构损伤识别的样条函数方法

结构参数识别方法是目前结构损伤识别领域中最有效的工具之一，在结构参数识别过程中引入样条函数方法，避免了传统有限元方法带来的庞大刚度矩阵的负面影响。从而提高了识别过程的计算稳定性及计算效率。算例表明识别结果能够应用于结构损伤部位及程度的判别。     

结合静力测试与基频变化的PSO二阶段结构损伤识别

提出了一种基于粒子群优化算法(PSO)的二阶段结构损伤识别方法。该方法利用实际结构测试中较为成熟且结果相对稳定、准确的静力位移及基频的变化为基础,通过损伤信号匹配技术以及PSO分别进行损伤初步定位及损伤最后定量。通过对平面桁架结构的数值模拟结果表明该方法对结构中的受损构件及其损伤程度能够做出正确高效的识别和判断。     

基于曲率模态比值的城市公路桥梁损伤识别

损伤识别是大型桥梁综合监测系统的重要任务之一.本文从基于曲率模态的城市公路桥梁损伤识别方法入手,从理论上研究了曲率模态损伤指标,并用ANSYS软件对一钢筋混凝土单跨简支梁进行了数值仿真分析,指出曲率模态在应用于损伤识别时的特性,并在此基础上提出曲率模态比值,通过数值模拟分析看到它是一种良好的损伤指标,具有很好的发展前景.     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

基于改进Gauss-Newton法的在役桥梁结构参数识别

针对在役桥梁结构静力参数识别中识别参数初始值难以确定的特点,提出了改进Gauss-Newton法.先对在迭代矩阵中增加一个阻尼项以防止迭代矩阵出现奇异的方法进行初步识别,再将初步识别结果作为Gauss-Newton（G-N）法的初始值进行再识别,从而既克服了G-N法对初始值要求苛刻的缺点,又保持了G-N法识别精度高的优点.模拟试验结果表明,该方法既能有效处理奇异和非正定矩阵,消除由于初始估计值偏离真值过大而造成识别结果发散的困扰,又能大大提高识别精度,从而保证了在役桥梁结构参数识别结果的可靠性.