基于数字孪生和深度学习的结构损伤识别

土木工程实际结构损伤状态的时间跨度通常只占总生命周期的一小部分。为解决传统基于数据驱动的结构损伤识别方法缺乏足够多的损伤训练数据的问题,提出结合数字孪生和深度学习的结构损伤识别方法,并应用于实际工程。该方法利用数值仿真模型和在线监测数据构建结构的数字孪生,以获得不同损伤工况下结构动力响应的“大数据”;为了摆脱对外激励信息的依赖,应用经验模态分解法和传递率函数对得到的数据进行预处理;将预处理后的固有模态传递率函数数据作为深度学习的输入进行训练,实现结构的损伤识别。为验证方法的有效性,对实际结构未经训练的监测数据进行分析,结果表明,该方法泛化能力良好,能够有效识别结构损伤状况。通过数字孪生技术解决了传统方法数据匮乏的问题,不需要任何地震信息,利用固有模态传递率函数数据训练的深度神经网络仍能保持较高的损伤识别准确率,二者结合可以使工程结构健康监测更为主动、可靠、高效。     

基于应变模态的网架结构损伤识别模型试验研究

制作了大比例的空间钢网架结构试验模型,并采用将部分原杆件替换为截面面积较小杆件的方式模拟了结构的损伤,包括上弦、下弦、腹杆等单构件的损伤以及它们之间的组合损伤.通过锤击法直接测试分别获得完好及不同损伤工况下试验模型的部分应变模态参数,将各损伤工况与完好工况下试验模型的应变模态参数进行对比,可以成功识别出网架模型损伤的发生以及部分较为重要杆件损伤发生的位置,随后对试验中不同杆件损伤识别效果的规律进行了归纳,并在结合该网架试验模型动力特性数值分析结果的基础上对损伤识别效果的原因进行了分析,为网架结构损伤识别的实际工程应用和开展相关研究提供了参考和借鉴.     

用B·F·G·S变尺度法识别结构模态参数

模态分析原理确立了结构动态响应和模态参数的关系,以所测试的结构频响函数为依据进行优化识别,可以得到一定精度的模态参数。本文简述了 B·F·G·S 变尺度法优选原理和方法,并对以此方法处理实验数据的结果进行了讨论。     

改进的主成分分析和最近邻的人脸识别方法

在传统的主成分分析特征提取中,直接求解特征空间是很困难的,同时也是非常浪费资源,为优化这一问题,该文提出了改进的主成分分析特征提取。在人脸特征提取中,同时还选择了适当的主分量数,用于提高分类识别的速度。在人脸分类识别的过程中,分类策略选取最邻近分类器,通过计算最短欧几里得距离来分类识别测试样本。通过十折交叉验证方法验证了改进的主成分分析和最邻近分类的有效性。     

基于“能量-故障”的复合材料层合板裂纹损伤检测与识别

对一含裂纹的复合材料层合板，通过粘贴在其表面一对压电压（一片作为传感器，一片作为激振器）构造子结构动力响应的激励和检测系统。通过守好板和损伤板的振动模态参数和时域响应信号比较，探讨了识别复合材料结构损伤的可行性。同时，利用小波包分析，基于动力响应信号各频率段的能量分布，撮结构损伤的特征量来表征结构损伤情况。结果表明，当用一个含有丰富频率成分的信号作为输入对系统进行激励时，可以较为准确地识别复合材料结构的裂纹损伤。     

多尺度结构动力方程及其在损伤识别中的应用

以一个三层框架结构为研究对象，分析了结构发生损伤时其动力参数的变化特征.应用小波变换，推导了多尺度结构动力方程来分析结构动力系统中的损伤识别.面向结构损伤识别，描述了多尺度动力方程能获得更丰富的结构参数变化信息.根据时变动力系统的结构损伤识别数值计算的特点，应用状态空间法来对结构损伤动力过程进行数值模拟.通过不同激励荷载下的损伤数值模拟和损伤时域识别，研究了多尺度损伤识别的两个关键性问题：不同位置的传感器对损伤预警的敏感性；系统输入荷载频率成分对损伤信息分布的影响.所进行的研究对于在基于小波分析的结构健康监测中合理选择传感器位置、采样频率及确定信号分解的尺度数具有理论指导意义.     

基于小波包分析的输电塔螺栓松动损伤识别方法

高压输电铁塔结构健康监测对保证输电线路安全运行具有重要意义,输电塔结构发生破坏时,节点板螺栓首先会发生松脱,有必要对节点板上的螺栓进行损伤识别。用ABAQUS有限元分析软件建立输电塔结构多尺度模型,利用小波包变换,引入小波包能量变化率作为损伤识别指标,提取出螺栓周围测点的动应变数据,对塔腿处一块节点板螺栓松动的不同工况进行损伤识别;以基于物联网技术的传感器为信号传输设备,利用高精度的PVDF压电薄膜应变片为数据采集设备,在实际输电塔结构底部施加激励荷载,提取节点板上测点的动应变对该损伤识别方法进行试验验证。结果表明,该损伤识别指标对测点附近的螺栓松动较敏感,并且在所有测点处的最小值能较好地识别出节点板的损伤程度。     

基于KPCA的结构振动信号特征提取研究

本文提出基于核主元分析（Kernel Principal Component Analysis,KPCA）的结构振动信号特征提取方法。通过对原始信号进行KPCA分析得到非线性主元,根据非线性主元的累计贡献率确定非线性主元个数,然后根据结构信号在不同损伤状态下的KPCA特征构造结构特征指标,由此判断结构相对于基准状态是否发生了损伤。试验结果表明,该方法在基准状态为无损状态和小损伤状态下都能很好的判断结构是否发生损伤,用于结构损伤识别特征提取是有效的。     

面向广义动态加工空间的机床切削稳定性研究

为了研究加工过程中变化的刀尖频响函数导致机床切削参数选择的不确定性,以主轴转速与运动部件位置为研究对象,提出基于广义动态空间的机床切削稳定性研究方法。该方法结合切削颤振理论与切削试验,推导工况下刀尖频响函数计算公式,通过引入正交试验法规划切削试验方案,确定主轴转速与运动部件位置对切削稳定性的影响程度以及最优参数组合,同时计算刀尖频响函数研究机床处于不同转速及位置的颤振稳定域图预测。将该方法运用于某型立式加工中心,识别主轴转速与主轴箱Z向进给位置显著影响切削稳定性,并确定刀具最优姿态,通过计算刀尖频响函数绘制颤振稳定域图,结合切削试验验证了该方法的有效性,为实际加工合理选择切削参数提供技术支持。     

基于响应能量和连续小波变换的复合材料结构损伤检测

提出了一种基于响应能量和连续小波变换联合检测损伤的方法.首先测试随机激励下完好结构以及损伤结构各个节点的响应信号能量并分别组成能量向量,然后选取正交小波函数,分别对损伤前后的能量向量进行连续小波变换,根据损伤前后小波系数的变化来检测结构的损伤,并以小波系数二次差分的极大值作为损伤指标来进行损伤定位.该方法仅仅利用结构在随机激励下的时域响应信号,并不需要进行结构建模.通过对带有不同位置分层损伤的复合材料层合梁和层合板的损伤检测,验证了该方法的可行性和有效性.