基于响应灵敏度分析的桥梁结构损伤和车辆参数的识别

基于响应灵敏度分析利用车-桥耦合系统的加速度响应进行桥梁结构的局部损伤和车辆参数识别。在正问题中建立了连续桥梁结构和车辆耦合系统的有限元模型,利用Newmark直接积分法求出在移动车载作用下系统的动态响应,并进一步推导出动态响应对系统物理参数的时域响应灵敏度。在反问题中利用该响应灵敏度矩阵进行系统的有限元模型修正,识别出桥梁的局部损伤和车辆参数,讨论了人工噪声对识别结果的影响。算例表明该方法具有精度高、对测量噪声不敏感等特点。     

基于应变模态响应重构的损伤识别方法EI北大核心CSCD

土木结构的损伤识别技术对提升结构可靠性与安全性具有重要意义,也是土木结构健康监测研究中的热点问题。现有的损伤识别方法往往需要识别模态参数,或者需要准确获取结构外部载荷信息,极大限制了相关方法在实际工程中的应用。为克服现有方法的局限性,该文将结构动态响应重构方法引入到损伤识别中,提出了基于应变模态响应重构的损伤识别方法。构建结构健康状态的有限元模型,以损伤结构测量的信号输入,通过基于经验模态分解的应变重构方法,可以获取使用无损伤模型的结构全局模态响应。以传感器采集的模态响应和重构模态响应的差异作为有限元模型修正的依据,通过应变模态比值构建的传递率的灵敏度矩阵进行迭代运算,求得损伤位置及损伤程度。该方法无需获取结构的外部激励信息,通过高效的时域应变重构,能够在少量测量信号下实现对结构损伤的精确识别。为验证该方法的准确性和高效性,开展了连续梁单一损伤和多损伤识别研究,探讨了测量噪声和模态阶次选取对识别结果的影响,结果表明,该方法能够准确、高效识别不同程度的损伤,对测量噪声具有较强的鲁棒性。     

基于频响函数的结构损伤识别模型修正方法

针对模型修正中测量数据不完备问题,提出一种利用频响函数结合结构损伤识别进行模型修正的方法。首先,采用频响函数摄动分析法建立频响函数灵敏度方程,并综合考虑结构响应对参数变化的灵敏度及阻尼对振幅的影响等因素,合理选择频率范围;然后,利用完好结构的频响函数和测量得到的损伤结构固有频率重构损伤结构未测量节点的频响函数;最后,研究与模型修正相适应的传感器优化布置方法,确定传感器数目及测点位置,从而为模型修正提供所需的频响数据。数值模型试验表明,利用较少数量的传感器提供的频响数据即可识别出损伤位置和损伤程度,得到与结构实际参数相符的模型修正结果。     

基于频响函数的结构损伤识别模型修正方法

针对模型修正中测量数据不完备问题,提出一种利用频响函数结合结构损伤识别进行模型修正的方法。首先,采用频响函数摄动分析法建立频响函数灵敏度方程,并综合考虑结构响应对参数变化的灵敏度及阻尼对振幅的影响等因素,合理选择频率范围;然后,利用完好结构的频响函数和测量得到的损伤结构固有频率重构损伤结构未测量节点的频响函数;最后,研究与模型修正相适应的传感器优化布置方法,确定传感器数目及测点位置,从而为模型修正提供所需的频响数据。数值模型试验表明,利用较少数量的传感器提供的频响数据即可识别出损伤位置和损伤程度,得到与结构实际参数相符的模型修正结果。     

基于功率谱灵敏度分析的结构损伤识别方法

在分析结构响应功率谱密度对结构单元刚度灵敏度基础上,提出平稳随机激励作用下结构损伤识别新方法。利用随机振动虚拟激励法,获得平稳随机激励下结构响应功率谱密度函数对结构损伤参数的灵敏度,用有限元模型修正实现结构损伤识别。经对剪切结构损伤识别数值结果表明,该方法仅用有限个传感器频域数据,即能较好识别结构损伤。     

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。     

基于时域响应灵敏度分析的非线性系统参数识别

基于响应灵敏度分析的有限元模型修正法已广泛应用于线性结构系统的局部损伤和裂纹参数等的识别。尝试将该方法推广应用到非线性系统的参数识别中。从非线性系统运动方程出发,通过数值积分得到系统的强迫振动响应,对系统的物理参数求导得到时域响应对参数的灵敏度,从而构造相应的响应灵敏度矩阵用于参数识别反问题。以Holmes-Duffing非线性系统和物理工程中有着广泛应用的双重sine Gordon非线性系统的参数识别为例,说明方法的应用过程。算例研究了不同的初始参数和测量噪声对识别结果的影响,结果表明响应灵敏度法能准确快速识别非线性系统的参数,并且具有对测量噪声不敏感的优点。     

基于一阶应变模态灵敏度的结构损伤定量研究

面向基于动态应变监测数据的结构损伤诊断问题,提出了一种仅利用一阶应变模态振型及其灵敏度分析的损伤定量诊断策略。该策略利用事先规定应变测量单元的变形体结构或构件应变响应数据,通过NExT-ERA方法提取进而筛选识别精度较高的某一阶应变模态振型向量,由该阶特征向量求导得到灵敏度矩阵的同时,提出对其进行参考点归一化以避免质量归一化过程,最后通过求解损伤方程组得到单元刚度参量的改变。分别以下承式钢桁梁桥主桁架和装配式T形简支梁桥主梁简化模型为例,验证了该策略的有效性,分析了识别精度、噪声干扰和损伤程度对诊断效果的影响。该研究可为基于实时监测的结构在线诊断提供一定的理论和技术支持。     

失效测点影响下极地船舶结构冰载荷的有效识别方法

冰载荷是极地船舶在冰区航行时受到的一种极端环境载荷,而对船体结构的现场监测是研究冰载荷的重要途径。一般通过在船体结构上安装应变传感器直接测量冰载荷引起的应变响应;采用影响系数矩阵法根据应变响应反演识别冰载荷。然而当应变传感器无法正常工作时,识别结果的准确性将难以得到保障。通过对典型极地船舶舷侧板架结构的有限元分析,研究了测点失效对识别结果的影响。基于对“天恩号”多用途冰级船实测应变数据以及典型极地船舶舷侧板架结构有限元应变数据的深入分析,确定了测点应变的空间分布规律,并进一步提出了失效测点影响下基于最小二乘拟合的冰载荷识别方法。在此基础上,较为准确地识别出7种典型工况下的冰载荷,大幅降低了识别误差,最终验证了该方法的有效性。     

基于小波形函数的动态荷载识别方法

基于形函数和时域反卷积法的动态荷载识别方法能有效减少待求量数目和提高识别效率;为实现识别精度与效率之间的平衡,提出了一种基于多尺度小波形函数和时域反卷积的动态荷载识别方法。在时域内动态荷载进行离散化处理,并以小波尺度函数在时域单元内近似地逼近动态荷载,进一步组集所有时域单元小波形函数的动力响应,建立基于小波形函数的荷载-响应矩阵,识别结构动态荷载。通过提升小波尺度来提升荷载-响应矩阵尺度,提高动态荷载识别精度。采用悬臂梁和单层框架的数值算例验证了该方法的可行性。     

静力荷载作用下结构参数识别及状态评估的统计分析

基于静态结构识别方法,提出了服役结构损伤探测及状态评估的概率分析方法。首先通过有限元法把结构离散成用基本参数及核心矩阵表示的分析模型,根据两种分析模型和实际结构间的误差定义,用 Gauss-Newton法推导了在不完全测量情况下两种参数识别方法。在设计的测量情况下,进一步采用 Monte Carlo 法模拟测量数据,详细分析和比较这两种算法在有测量误差时的有效性和稳定性问题。第一种算法中的敏感矩阵不受测量误差的影响而具有比较好的性能,在确定了其识别结果的概率特性后,引入假设试验,探测和评估损伤的位置及程度。数字模拟显示了这一方法的有效性和准确性。     

基于统计模型的结构损伤识别

提出了一种基于递推随机有限元方法(RSFEM)的随机结构损伤识别方法。在定义了随机损伤指数概念的基础上,考虑模型误差的不确定性和测量噪声的影响,建立了关于随机损伤指数的控制方程。然后,利用RSFEM得到了结构随机损伤指数的统计特性。数值算例的结果显示,新的方法能在考虑模型误差和测量噪声的情况下对结构损伤进行有效识别,且在结构随机参数有较大涨落情况下,该方法仍能有效识别出结构损伤,识别结果与蒙特卡洛模拟解非常吻合。     

FRF-based structural parameters estimation using strain data: sensitivity equation,measurement and excitation selection

In this paper, a structural model updating technique is presented using frequency domain representation of incomplete strain data to identify the location and severity of structural damages. The most important challenges of model updating methods such as selection of excitation, measurement locations and interested frequency ranges are addressed. Distribution of strain energy in all structural elements and norms of the derived sensitivity equation are utilized for the selection of measurement and excitation locations. The important effect of different level of noise in measurement data and modelling error on the accuracy and robustness of the proposed method are investigated. A bowstring truss and a two-storey single-bay frame are used to evaluate the numerical ability of proposed method. The results prove the potentials of the proposed method in identifying the location and severity of damage in the presence of different errors.     

Evaluation of crack locations in beam using artificial neural network-based modified curvature damage index

Although the frequency response-curvature methodology is commonly used to detect irregularities in mechanical and civil structures, the artificial neural network-based frequency response-curvature damage index method may have good efficacy in the detection and localization of structural damages. By utilizing experimental data sets, a novel method is proposed to pinpoint a saw-cut damage location and the degree of damage in beam models. Using a dynamic data logger, the frequency response function of a beam model is obtained for altering damage levels at different positions. As frequency response data contains environmental and operational noise, the accuracy of obtained results may get reduced. To improve the accuracy by reducing the noise effect, the experimentally obtained frequency response data is trained through an artificial neural network. Using central difference approximation, the sets of trained modal data are utilized to determine the improved mode shape curvature. The curvature damage index is then obtained by using the improved mode shape curvature for different damaged scenarios to ultimately identify structural damages.     

Structural damage detection using time domain responses and an optimization method

An efficient method is proposed to determine the location and severity of structural damage using time domain responses and an optimization method. The time domain responses utilized here are the nodal accelerations measured at the limited points of a structure subjected to an impulse load. The nodal accelerations of the structure are obtained by Newmark time integration method. Firstly, using nodal accelerations extracted for the damaged structure and an analytical model of the structure, an objective function is defined for optimization. Then, the optimization-based damaged detection problem is solved via a differential evolution algorithm for finding the location and severity of damage. In order to assess the accuracy of the proposed method, four numerical examples are considered. Simulation results reveal the efficiency of the method for properly identifying damage with considering measurement noise.     

Structural damage detection using ARMAX time series models and cepstral distances

A novel damage detection algorithm for structural health monitoring using time series model is presented. The proposed algorithm uses output-only acceleration time series obtained from sensors on the structure which are fitted using Auto-regressive moving-average with exogenous inputs (ARMAX) model. The algorithm uses Cepstral distances between the ARMAX models of decorrelated data obtained from healthy and any other current condition of the structure as the damage indicator. A numerical model of a simply supported beam with variations due to temperature and operating conditions along with measurement noise is used to demonstrate the effectiveness of the proposed damage diagnostic technique using the ARMAX time series models and their Cepstral distances with novelty indices. The effectiveness of the proposed method is validated using the benchmark data of the 8-DOF system made available to public by the Engineering Institute of LANL and the simulated vibration data obtained from the FEM model of IASC-ASCE 12-DOF steel frame. The results of the studies indicate that the proposed algorithm is robust in identifying the damage from the acceleration data contaminated with noise under varied environmental and operational conditions.     

未知地震激励下结构恢复力及质量非参数化识别

地震作用过程中结构恢复力是描述结构损伤发生发展过程定量描述的基础,更有助于描述结构在地震中破坏模式的演化。该文研究地震激励下结构部分质量及动力响应信息未知时,结构非线性恢复力、质量以及未知加速度时程的非参数化识别方法。首先,根据部分已知动力响应测量和质量信息,识别地震加速度时程。随后,利用记忆衰退全局加权迭代扩展卡尔曼滤波算法,引入幂级数多项式表征结构恢复力,实现了结构质量与非线性恢复力的非参数化识别。将具有非线性恢复力的磁流变阻尼器中引入到一个剪切型多自由度结构构成非线性系统,考虑测量噪声的影响,通过数值模拟验证了在噪声及较大质量初始误差情况下该方法识别结构质量、非线性恢复力及地震动加速度时程的识别效果。     

结构损伤与荷载共同识别的研究

针对结构中同时存在未知损伤和荷载的情况,基于虚拟变形法(VDM)发展一种两者共同识别的时域方法。VDM方法利用虚拟变形模拟结构损伤,可快速计算模型改变后的响应。该文首先结合有限元理论把VDM方法拓展到具有多个单元变形的结构中;然后考虑结构存在未知荷载时,利用未损伤理论模型同时识别荷载和虚拟变形,继而由虚拟变形和单元实际变形的关系来识别判断损伤类型和识别损伤大小;最后通过一个悬臂梁的试验进行方法验证,试验中未知荷载和损伤(包括其类型和大小)均能够被有效识别,并利用提出的移动时间窗和荷载形函数方法实现损伤与荷载的在线识别。     

基于EMD和VARMA模型的结构损伤识别

提出了基于EMD和VARMA模型的结构损伤识别方法。该方法首先将结构反应信号用EMD方法分解成一系列固有模态函数,然后将固有模态函数表示为时变VARMA模型并用Kalman滤波方法估计时变VARMA参数,最后根据时变VARMA参数定义一个新的损伤指标用于结构损伤识别。为检验该指标的实际性能,算例中选用ImperialCounty Services Building和Van Nuys Hotel作为基准结构。通过其实测地震反应记录的分析表明:该指标在实际的量测环境和噪声条件下具有较好的敏感性和抗噪能力,可有效地识别结构多处损伤的发生过程和严重程度;由于该指标定义在反应信号特征提取的基础上,无需其他额外的信息,它可同时用于结构整体和局部两个层次损伤的识别;同时,该指标还适于实时(在线)的结构损伤识别或健康监测,因其直接由时变VARMA参数推导得出。最后,对后续研究工作进行了展望。