基于多尺度振动传递率函数和灰度矩相对熵的损伤识别方法

为了从结构振动响应中直接提取损伤敏感参数,对激励未知情况下的结构损伤模式进行识别,提出了基于多尺度振动传递率函数和灰度矩相对熵的损伤识别方法。对振动响应进行小波分解,通过计算不同尺度下的互相关函数,求解得到多尺度振动传递率函数。为了通过多尺度振动传递率函数提取损伤指标,计算了不同尺度范围内的多尺度振动传递率函数的灰度矩向量,该指标不受工况变化的影响。通过计算测试数据与样本数据灰度矩向量之间的相对熵,对结构的损伤模式进行了识别。实验结果表明,该方法能有效识别结构的损伤模式,适用于激励未知且工况变化情况下的损伤识别。     

复合材料结构损伤联合定位法试验研究

提出了复合材料结构损伤联合定位法,该法需首先获得复合材料结构在随机激励下的振动响应信号,计算结构的互相关函数幅值向量,通过对损伤结构的互相关函数幅值向量进行光滑拟合作为参考向量,再对损伤情况下的互相关函数幅值向量和参考向量分别进行连续小波变换,得到各自的小波系数,进而求得小波系数差的模,根据小波系数差的模的极值进行损伤的定位。该方法无需进行结构建模和模态识别,在无完好结构信息的情况下就可准确进行损伤定位。最后,还通过蜂窝夹层梁和玻璃纤维层合板的损伤检测试验,验证了该方法的有效性。     

奇异值熵和支持向量机的齿轮故障诊断

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵和支持向量机的齿轮故障诊断方法.首先,通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量,将得到的若干个本征模式分量自动形成初始特征向量矩阵;然后,对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并对其进行归一化,求得奇异值熵,根据奇异值熵值大小可以判断齿轮的故障类型;最后,将奇异值故障特征向量作为支持向量机的输入,判断齿轮的工作状态和故障类型.试验结果表明,即使在小样本情况下,基于EEMD奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型.     

基于互相关函数幅值和SVM的输电塔损伤识别

针对目前输电塔结构损伤识别中需要布设大量传感器的问题,提出了基于互相关函数幅值和支持向量机(support vector machine,简称SVM)的损伤识别方法。首先,定义初始与当前状态结构模态响应近似信号的互相关函数幅值差为损伤特征;其次,将损伤特征作为输入样本来训练支持向量机分类器,将损伤识别问题转化为模式分类问题;最后,利用2层角钢塔模型的振动试验,验证了方法的可行性。该方法仅需要少量传感器测得结构的动力响应,且适用于环境荷载激励,对输电塔结构损伤有较好的识别效果和噪声鲁棒性。     

基于三阶累积量奇异值分解的结构损伤识别

为了在钢筋混凝土结构损伤识别过程中有效地考虑微裂缝引起的非线性特征,提出了一种基于奇异值分解的三阶累积量方法,通过对结构损伤过程中振动加速度信号的三阶累积量进行奇异值分解,根据主奇异值的变化来判断混凝土结构的损伤程度和定性评价结构性状.为了验证该方法,对两根钢筋混凝土简支梁进行了损伤试验,试验数据分析结果与试验中裂缝开展的观察结果比较吻合,表明三阶累积量的最大主奇异值能够有效地反映钢筋混凝土梁在各级荷载作用下结构损伤的变化情况,说明该方法是令人满意和有效的.     

基于小波包样本熵的连续梁桥损伤识别

为了减少现行桥梁检测中所需布置传感器数量,将小波包分解和样本熵有机结合起来,对利用单点动力响应数据检测识别连续梁桥结构损伤的新方法进行了研究,笔者提出了连续梁桥结构的损伤识别指标和方法。利用小波包变换对移动荷载作用下桥梁的加速度响应进行分解和重构,计算重构信号的样本熵值,建立了对数加速度能量差小波包样本熵损伤识别指标;并通过三跨变截面连续梁桥的动力仿真分析,验证了指标和方法的适用性与噪声鲁棒性。研究结果表明,笔者所提出指标和方法仅利用桥上一个测点的加速度响应就能够很好地识别连续梁桥的损伤位置和损伤程度,且对噪声不敏感。     

基于奇异值分解的频响函数降噪方法

为了提高外场测试中频响函数的信噪比,提出了一种基于奇异值分解的频响函数降噪方法。该方法首先对脉冲响应函数在相空间内进行重构;然后对重构轨道矩阵进行奇异值分解达到降噪的目的。其中,降噪阶次通过奇异熵增量进行确定。采用GARTEUR飞机模型建立具有密集模态的仿真算例进行验证。结果表明,在噪声干扰较大时,该降噪方法能够显著改善模态参数的识别精度,尤其是阻尼的识别精度。     

基于LMD样本熵和RBF网络的结构损伤识别研究

基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法。首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别。实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97%和96.25%,证明了此方法在结构损伤诊断方面的有效性和准确性。     

离散小波变换和互相关函数幅值向量在复合材料层合结构损伤检测中的应用

提出一种随机激励下的结构损伤检测方法。首先选取双正交小波函数对结构在随机激励下的时域响应进行一维离散小波变换(discrete wavelet transform,DWT),然后利用重构的包含最低频率信息的近似信号计算互相关函数幅值向量(cross correlation function amplitude vector,CorV)。利用结构损伤前后CorV差的二次差分作为损伤检测的指标。与直接利用振动响应原始信号计算CorV来检测损伤的方法相比,该方法能更准确地进行复合材料层合结构分层损伤定位。通过对带有不同位置分层损伤的复合材料层合板损伤检测的数值仿真,验证用文中方法检测复合材料层合结构分层损伤的有效性。     

激励点优化和加速度信号的结构损伤识别

通过对激励点优化布置获取结构的响应信息,提出了一种以加速度信号差曲率函数作为损伤指标,直接利用输出信号快速判断结构损伤位置的方法.首先计算模态振型,以模态保证准则(MAC)矩阵非对角元素最小值作为适应度函数,采用改进粒子群算法(MPSO)优化激励点数量和位置,再运用平均加速度幅值和均方根评价准则选择较优的激励点布置方案;然后试验激励对应的位置,获取加速度信号后计算测点处损伤前后加速度差的平方的积分值,运用曲率指标函数确定损伤位置,并对加速度信号通过巴特沃斯滤波后作为改进多尺度样本熵(MMSE)的输入样本;最后根据MMSE均值的变化,判定各工况相对损伤程度变化.结果表明:利用结构响应的加速度信号差曲率函数适合作为损伤识别的判别指标,通过三维桁架振动台中螺栓连接的状态模拟损伤,可以对不同损伤工况进行损伤诊断.     

基于伪频响函数矩阵法的运行模态分析方法

基于传递率测量的伪频响函数法运行模态分析技术无需白噪声激励假设,具有强"谐波模态抑制"能力,但其模态识别结果依赖待分析伪频响函数的选取、稳定性欠佳。为解决该问题,建立了基于伪频响函数矩阵法的运行模态分析方法。该方法首先构造多参考测点、多参考工况的伪频响函数矩阵,然后基于伪频响函数矩阵采用最小二乘复频域法求解模态频率和阻尼比、基于传递率函数矩阵求解模态振型,最后通过建立相应的稳态图并结合以多参考测点平均的传递率函数矩阵第2阶奇异值的倒数为基础的模态指示函数来确定模态阶数与最终的模态结果。5自由度质量-弹簧-阻尼系统仿真结果及自由梁的运行模态试验结果均表明,提出方法既继承了基于伪频响函数法的运行模态分析方法的强"谐波模态抑制"能力,亦能有效解决伪频响函数法识别结果稳定性欠佳的问题、一定程度上提高模态识别精度,且更利于自动化。     

基于奇异峰态的钢轨踏面损伤弦测特征辨识

根据钢轨踏面非周期性损伤具有奇异性,分析了其中点弦测法的响应特征,提出多弦理论下的损伤辨识方法:选取合适的弦长组合可在抑制轨道不平顺弦测幅值增益的同时放大钢轨踏面损伤幅度,再利用奇异值分解将测量数据进行分离后,对包含有钢轨踏面损伤奇异特征的分量求滑动峰态序列,得到损伤的精确位置。理论仿真和实际线路测试表明,该方法仅利用轨道弦测数据就能提取被淹没的钢轨踏面损伤信息,适合在实际铁路工务中应用。     

基于改进奇异值分解滤波和谱峭度的滚动轴承故障诊断

针对含噪信号的有效奇异值个数难以确定的问题，提出了一种改进的奇异值分解降噪方法--奇异值累积法。该方法通过计算奇异值的实际下降值与奇异值平均下降速度累积量的差值，并取该差值最大值点的位置作为有效奇异值的分界点来确定有效奇异值的个数。在此基础上，提出了一种基于奇异值累积法与快速谱峭度的滚动轴承故障诊断方法。采用奇异值累积法对原信号进行降噪处理，然后利用快速谱峭度确定滤波器中心频率及带宽，通过分析频段包络谱中明显的频率成分来诊断故障。该方法可以有效去除信号中的噪声，使得到的峭度值所反映的故障冲击更接近实际情况。对含内圈、外圈故障的滚动轴承实验数据进行分析，实验结果表明，相比快速谱峭度的故障诊断方法，该方法具有更好的故障识别效果。     

Structural response reconstruction with transmissibility concept in frequency domain

This paper presents a method for structural response reconstruction in the full structure or in a substructure, using the generalized transmissibility concept in frequency domain. The response reconstruction is based on transforming the measured responses into responses at other selected locations with the transmissibility matrix. The use of transmissibility concept in a substructure for response reconstruction is introduced by taking the interface forces at the interface degrees-of-freedom as input excitations. The First-Order-Hold input approximation is used in the forward response calculation to improve the accuracy of the dynamic response analysis. Numerical studies on a seven-storey plane frame structure are conducted to investigate the accuracy and efficiency of the proposed method and the effects of influencing parameters, such as the system sampling duration, sampling rate, sensor numbers and measurement noise are studied. Accurate reconstruction is achieved in all studies when there is significant vibration in the measured responses.     

THE TRANSMISSIBILITY CONCEPT IN MULTI-DEGREE-OF-FREEDOM SYSTEMS

A generalisation of the transmissibility concept to multi-degree-of-freedom systems is presented. A transmissibility matrix between two sets of response functions of a structure is built in either of two ways: (i) from the mobility matrices of the structure or (ii) from test-measured responses only. In a typical case, the known (or measured) responses constitute one of the sets, while the other set includes the responses at any other co-ordinate. It is shown that the transmissibility is, in general, a rectangular matrix, since the number of response functions in each of the sets need not be the same. Nevertheless, to allow for a solution for the unknown responses, the number of the known responses needs to be at least the same as the number of generalised forces applied to the structure. Some practical applications are addressed, either in predicting the response at points where no transducers are allowed in field service or in damage detection. Also, some properties are presented and explained, namely the validity of the transmissibility for grounded structures and the existence of an inverse transmissibility matrix.     

基于小波包变换的局部放电包络信号模式识别

为实现GIS故障检测和缺陷的模式识别,针对GIS出现的典型绝缘缺陷及其放电特点,设计了4种常见的GIS绝缘缺陷模型并进行放电试验。对获取的大量超高频包络信号,提出了一种基于小波包变换奇异值分解的时域特征提取方法。该方法首先对包络信号进行小波包变换,构建各尺度的小波包分解系数矩阵,然后对其进行奇异值分解,提取特征向量,在此基础上,采用BP神经网络进行模式识别,结果表明采用此方法获得了良好的识别效果。     

Gear fault identification and classification of singular value decomposition based on Hilbert-Huang transform

An improved singular value decomposition method of gear fault identification based on Hilbert-Huang transform was proposed to overcome the problem of reconstructing a feature matrix of singular value decomposition. The method includes three steps. First, the instantaneous frequency and amplitude matrices were acquired by Hilbert-Huang transform from faulted gear signals. Second, after the matrices were decomposed by singular value decomposition, the defined distances of singular value vectors and the optimal threshold of the distance for classification were calculated. Third, the fault characteristics of a gearbox were identified and classified by the threshold of the distances. The result demonstrates that the proposed method effectively identifies the gear fault and can realize an automatic gear fault diagnosis.     

IVMD融合奇异值差分谱的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段存在特征信号微弱、故障识别相对困难的问题,提出了融合改进变分模态分解和奇异值差分谱的诊断方法。原始信号经改进变分模态分解方法处理后,被分解为若干本征模态函数分量,利用包络谱稀疏度指标筛选出最佳分量构造Hankel矩阵并进行奇异值分解,求取奇异值差分谱后,根据差分谱中的突变点重构信号,最终通过分析信号的包络谱可判断轴承的故障类型。利用改进变分模态分解融合奇异值差分谱的方法对轴承故障模拟及实测信号进行分析,均成功提取出微弱特征信息,能够实现滚动轴承早期故障的有效判别,具有一定的可靠性和应用价值。     

基于彩色图像奇异值熵指标的磨削表面粗糙度视觉测量方法

机器视觉测量表面粗糙度所采用的评价指标大多是根据灰度图像进行统计分析的，而当前研究的一些基于颜色信息的评价指标并未给出合理的数理结构表达。针对此问题，提出了一种基于彩色图像奇异值熵评价磨削表面粗糙度的检测方法。根据色块在不同等级粗糙度表面所形成的虚像能量分布差异，通过纯四元数的数据结构来表征一幅彩色图像，并对其进行数据分析，抽取奇异值熵作为评价指标，论证基于奇异值熵指标评价磨削表面粗糙度的可行性。实验结果表明，彩色图像奇异值熵不仅是一种合理可行的表面粗糙度评价指标，而且该指标在数学意义上具有合理的数据结构表达方式。相关指标的对比分析证明了该指标与表面粗糙度的相关性和适用性相对色差指标更优，回归预测结果也相对较为精准，具备向工程应用领域推广的潜力。