基于振动响应时频分析的桅杆损伤识别方法

桅杆的模态参数和刚度对纤绳平衡张力、激励和环境条件比较敏感,导致目前比较有效的结构损伤识别方法和指标难以直接应用。为此,探索了基于测点振动响应时频分析而不依赖模态信息的桅杆结构损伤识别方法,提出利用结构测点振动响应的Wigner-Ville分布交叉项统计量WCS(WVD Cross-term Statistic),通过比较损伤前后统计量的相对变化量来进行损伤识别。算例分析结果表明,利用测点振动响应的损伤识别指标WCS相对变化量,除能识别杆身单个不同程度的损伤位置以及多个损伤外,还能分辩出纤绳的损伤特征。通过增大激励的幅值和增加测点的数量,可以提高识别的精度和指标的灵敏度;基于测点位移响应与基于测点加速度响应的损伤识别指标相比,具有更好的损伤识别效果。     

基于小波包能量谱的结构损伤预警方法试验研究

摘 要：通过钢梁损伤试验,验证基于小波包能量谱的结构损伤预警方法在实际结构上应用的有效性。对钢梁进行完好工况和三个损伤工况的动力响应测试,对得到的响应进行小波包分解,考察损伤前后各个特征频带的能量变化。试验结果显示,损伤预警指标ERV和ERVD能够对三种损伤工况做出有效预警;同一工况的多次测试得到的损伤预警指标ERVD虽有变化但变化不大。基于小波包能量谱的结构损伤预警指标对结构损伤具有敏感性、对测试噪声具有鲁棒性,可以用于实际结构损伤预警。     

基于时域响应灵敏度分析的板结构损伤识别

提出了一种基于响应灵敏度分析的有限元模型修正法,对平板结构的局部损伤进行识别。在正问题研究中,将结构的局部损伤模拟为板结构单元杨氏模量的减少,建立了板结构的有限元动力学方程,利用直接积分法获得了结构强迫振动响应。在损伤识别反问题中,基于响应灵敏度分析,直接利用结构的动态响应进行有限元模型修正和损伤识别。算例表明,本文方法能有效识别板类结构的局部损伤,具有需要测点数目少,损伤识别精度高,对模拟的测量噪声不大敏感的优点。     

基于混沌激励与吸引子分析的结合面损伤识别方法

工程结构在使用寿命周期内,各种环境因素会导致结合面出现损伤,从而威胁结构的完整性和功能性,甚至诱发安全事故。研究了一种利用混沌激励与吸引子几何特性进行结合面损伤识别的方法,采用混沌振动信号激励待测结构,对采集到的加速度响应信号进行相空间重构,并构造了一种基于吸引子局部方差计算的特征参量用于损伤识别,同时研究了影响特征参量的主要参数。设计了悬臂梁结合面损伤识别实验,控制固定端螺栓预紧力的下降来模拟结合面损伤,利用上述方法对结合面的损伤状态进行了识别。结果表明：本文方法能够识别结合面的损伤状态,所构造的特征参量随损伤程度改变单调变化,响应测点配置、特征参量计算参数等对损伤识别的效果有影响。     

基于MoG-HMM的齿轮箱状态识别与剩余使用寿命预测研究

提出了基于混合高斯隐马尔可夫模型的齿轮箱状态识别与剩余使用寿命预测新方法。建立了基于聚类评价指标的状态数优化方法,通过计算待识别特征向量的概率值来识别齿轮箱当前状态。在状态识别的基础上,提出了剩余使用寿命计算方法。最后,利用齿轮箱全寿命实验数据进行验证,结果表明,该方法可以有效的识别齿轮箱状态并实现了剩余使用寿命预测,平均预测正确率为90.94%,为齿轮箱的健康管理提供了科学依据。     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。     

基于AR-GP模型的结构损伤识别方法

针对传统损伤识别方法不易区分多损伤状态以及难以辨别预测结果可靠性的问题,提出了一种基于自回归(autoregressive, AR)模型和高斯过程(Gaussian process, GP)的损伤识别方法。该方法利用AR模型回归拟合结构加速度响应数据,首次引入表征损伤位置信息与损伤状态信息的参数L_1、L_2,基于AR模型残差、系数分别建立了用于定位损伤位置和识别损伤程度的损伤敏感性特征,结合GP的分类与回归算法实现了多损伤定位及损伤程度的概率输出。通过某钢筋混凝土模型拱的数值仿真算例,验证了所提方法的有效性,并对基于AR模型残差和系数的识别结果进行了对比分析。结果表明,该方法能够识别多损伤状态,输出具有概率意义的预测结果,有助于判断结果的可靠性,并能够实现损伤预警,同时基于残差的损伤敏感性特征的识别精度与可靠度更高、抗噪性能更好,在10%噪声污染的情况下,识别结果的相对误差均值与离散系数均值仅为6.52%和0.19。     

基于振动响应内积向量和数据融合的结构损伤检测方法试验研究

提出了一种基于振动响应内积向量(Inner Product Vector, IPV)和数据融合的损伤检测方法,并进行了相应的验证试验研究。分别以随机信号和正弦信号对结构进行激励,利用加速度传感器采集结构的振动响应信号,计算结构的损伤指标,然后利用数据融合理论将结构各参考点下的损伤指标进行融合。损伤检测的验证试验结果表明,结合数据融合理论后,能够避免原始IPV方法中参考点选取对检测准确度的影响问题,并能准确进行损伤定位。两组不同激振信号的检测结果对比显示,数据融合对外激励为正弦信号的检测结果的准确度提升更为显著。     

环境变化下基于AR模型系数和协整的海洋平台结构损伤识别

结构损伤引起的损伤特征参数的变化往往被环境因素（温度、质量）变化引起的损伤特征参数的变化所掩盖,从而导致基于振动的损伤识别方法失效。该文利用时间序列中的AR模型系数和计量经济学中的协整进行环境因素（温度、质量）影响下的海洋平台结构损伤识别研究。首先利用AR模型对实测的加速度响应信号进行拟合,选择第一阶AR系数为协整变量,然后对不同节点的协整变量进行协整,将协整残差作为损伤指标,最后通过X-bar控制图进行结构的损伤识别。海洋平台结构的数值模拟和振动台模型试验结果验证了该方法的有效性。     

基于同伦迭代算法的弱耦合梁的损伤识别

本文应用有限元方法将多跨连续梁结构简化为弱耦合的欧拉－伯努利梁模型,利用Newmark积分法直接积分法求出系统在外激励作用下的动态响应。在结构的损伤识别过程中以结构抗弯刚度的减少作为损伤识别参数进行损伤识别,通过最小二乘法来构造同伦方程。该方法的收敛不依赖于初始值的选择,并且可以对具有重频的多跨结构进行准确识别。讨论了模拟人工测量噪声对损伤识别结果的影响。数值模拟算例表明本方法能够快速有效地检测出弱耦合梁的局部损伤,并具有精度高,对测量噪声不敏感等特点。     

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。     

损伤预警的时序方法及其在Benchmark结构试验中的应用

针对结构健康监测中如何利用在线监测数据进行损伤诊断的问题,基于时间序列分析提出了一种新的损伤预警方法。首先对所有监测数据样本建立ARMA模型,以模型中AR部分参数的主成分矩阵构建Mahalanobis距离判别函数,进而提出了一种新的结构损伤敏感特征指标DSF。然后,采用t检验考察该指标的均值在损伤前后是否存在显著性变化,从而可以实现结构的损伤预警。最后,对Benchmark结构在环境激励下的试验数据进行了损伤预警研究。结果表明:该文基于时序方法提出的DSF对结构的微小损伤具有敏感性,具备在线实时损伤预警的应用价值。     

发电机螺栓松动故障特征检测方法及试验研究

提出一种通过提取时域指标特征和运用主成分分析法(PCA)诊断螺栓松动故障的方法,将原始数据进行经验模式分解(EMD)后计算相应IMF的5个无量纲因子;利用主成分分析法(PCA)对数据向量进行降维和残基空间投影处理,计算数据样本的预测误差,在智能供水系统试验台架上开展螺栓松动故障诊断试验,试验结果表明,所建立PCA模型能够较为有效判别螺栓松动故障。     

Output-only damage localization technique using time series model

In this paper, we present a technique to detect the time instant and location of damage in civil structures using scalar time series models, by handling operational variability and measurement noise. The scalar Autoregressive (AR) and Autoregressive with exogenous inputs (ARX) models are used to obtain the time instant of damage and its spatial location. The spatial damage feature to locate the damage is obtained using a metric constructed from the probability density values of the prediction errors of AR–ARX model. The proposed method does not resort to any computationally expensive vector time series models to locate the damage and so highly preferable in smart wireless online continuous SHM schemes. Numerical simulation studies are carried out by using a simply supported beam model. The results of the studies indicate that the proposed technique is capable of identifying both the time instant and location of damage accurately using the proposed PDF based damage index. In order to validate the proposed technique with experimental results, the time-history data from the three-story bookshelf benchmark structure of EI-LANL is used. Finally, the laboratory experimental studies carried out on an RCC simply supported beam with inflicted damage are also presented. The experimental studies clearly indicate the effectiveness of the proposed damage index to detect the location of damage, by handling operational variability and measurement noise.     

基于EEMD和SVR的单自由度结构状态趋势预测

为了解决结构早期损伤难以正确识别的问题,本文结合聚类经验模式分解（EEMD）解决随机不确定性问题和支持向量机（SVM）解决预测问题这两者的优势,提出了一种基于EEMD特征提取的支持向量机回归（SVR）结构状态趋势预测方法。先对单自由度结构渐进损伤的加速度振动信号进行EEMD,再进行希尔伯特变换（HT）,计算瞬时频率,然后用回归支持向量机对反映结构健康状态的瞬时频率进行趋势预测。研究表明：对于渐变损伤该方法可以准确地、高精度地预测结构状态趋势。     

基于模糊层次分析的建筑物单体震害预测方法研究

建筑物的震害预测方法研究对震害防御和震后应急工作有着十分重要的意义,但随着结构类型和抗震规范的不断更新,当前的震害预测理论仍不完善。该文提出了一种基于模糊层次分析的建筑物单体震害预测方法。具体工作如下:1）通过研究一个城市或地区各类房屋建筑的地震易损性,计算得到该城市或地区建筑结构震害指数基准值;2）根据历史地震震害资料和震害预测资料,综合分析影响各类建筑结构震害的主要因素,利用模糊层次分析法计算得到各影响因素权重;3）通过考虑各影响因素中不同影响因子的平均震害指数的变化,得出其对震害指数的影响程度,给出影响因子修正系数;4）采用加权平均法计算得出单体结构震害指数,并给出单体结构破坏等级。利用该方法对汶川8.0级地震中数栋结构进行了验证,其破坏等级同地震现场房屋安全鉴定结果相符。     

基于幂指数法预测柴油十六烷值

为了实现十六烷值的快速检测,减少标准燃料的使用量,采用幂指数方法建立了预测柴油十六烷值的数学模型,将幂指数法计算的十六烷值与实测十六烷值进行比较。针对不同组成的柴油进行预测,得到不同种类柴油的最大预测误差,找到了与预测模型匹配程度高的柴油种类,进行有针对性的十六烷值预测。同时,对提出的数学模型的预测结果进行了校正,通过校正可进一步提高幂指数拟合法的精度,并给出十六烷值水平在45时的校正系数k为0.991。幂指数法可减少标准燃料样品的使用量,减少台架试验成本。     

Data-driven probabilistic quantification and assessment of the prediction error model in damage detection applications

Advances in computer hardware and sensor technologies have led to a surge in the use of data-driven modeling and machine learning for structural engineering applications, with Structural Health Monitoring (SHM) being one of them. Despite considerable interest, it remains a research topic due to the difficulty in accurately quantifying aleatoric and epistemic uncertainty in SHM systems. Sources of uncertainty are related to operational and environmental variability, as well as measurement noise and the model prediction error associated with the data used to train damage identification algorithms. In this work, the authors aim to explicitly quantify the statistical structure of model prediction error and assess its influence on the detection performance of strain-based SHM architectures under the existence of aleatoric variability. A structural beam, subjected to probabilistic static loading is used as the reference structure and strain measurements as the damage-sensitive features. Model prediction error is quantified explicitly using robust statistical tools through available laboratory observations and synthetic (Finite Element) data. Monte Carlo simulations enabled the forward propagation of uncertainty to the feature space to generate training data for three binary detectors (Likelihood Ratio Test, Quadratic Discriminant Analysis and Mahalanobis Distance), based on statistical pattern recognition. Detection performance was compared between the explicitly quantified prediction model error and the commonly assumed white Gaussian noise model, showcasing the influence of systematic error (bias) and correlation on the robustness of an SHM system using real-world data.     

基于残余力向量的高桩码头基桩损伤诊断研究

对于有上部结构的髙桩码头基桩损伤诊断研究,目前国内外还没有提出一种实用可行的诊断方法。根据振动微分方程,推导出残余力向量的表达式,定义残余力向量绝对值作为损伤诊断指标。以一高桩码头排架为研究对象,在多种工况下,基于残余力向量法,模拟诊断排架基桩的损伤。数值模拟结果表明：以残余力向量绝对值作为诊断指标,对损伤较为敏感,只需结构的低阶模态,就可以准确快速地识别出结构的损伤,为髙桩码头基桩损伤诊断提供了一种新的思路。     

Use of an energy‐based/critical plane model to assess fatigue life under low‐cycle multiaxial cycles

For engineering components subjected to multiaxial loading, fatigue life prediction is crucial for guaranteeing their structural security and economic feasibility. In this respect, energy‐based models, integrating the stress and strain components, are widely used because of their availability in fatigue prediction. Through employing the plastic strain energy concept and critical plane approach, a new energy‐based model is proposed in this paper to evaluate the low‐cycle fatigue life, in which the critical plane is defined as the maximum damage plane. In the proposed model, a newly defined NP factor κ^*  is used to quantify the nonproportional (NP) effect so that the damage parameter can be conveniently calculated. Moreover, a simple estimation method of weight coefficient is developed, which can reflect different contributions of shear and normal plastic strain energy on total fatigue damage. Experimental data of 10 kinds of materials are employed to assess the effectiveness of this model as well as three other energy‐based models.