飞机加筋壁板紧固件松脱损伤检测的自相关分析方法

提出了一种基于自相关函数的损伤检测方法。首先证明归一化后的结构各测点加速度响应自相关函数零点值仅与结构的模态参数有关,然后利用其构造损伤指标用于结构损伤的定位。飞机加筋壁板紧固件松脱损伤的损伤检测实验表明,该方法只需要利用结构在一定带宽白噪声激励下的加速度响应就能准确定位加筋壁板紧固件的松脱损伤,适用于紧固件松脱损伤的实时检测。     

结构损伤诊断的轴向振动原理及模态实验

在理论推导梁轴向振动微分方程基础上,提出一种以轴向振动低阶模态振型二阶导数为损伤指标的结构损伤识别方法。在方钢管构件上布置加速度传感器进行轴向振动模态试验,测试时由信号发生器发出正弦波信号,经功率放大器放大后通过电磁激振器对结构进行激励,同时采集各测点的加速度反应信号。在确定结构共振点后,根据共振点处加速度值,编制轴向振动损伤指标的计算程序,分析结果表明该指标对结构损伤的位置和程度均很敏感,既能精确定位损伤,又能标定损伤程度,即在损伤位置将发生相反方向的突变,且突变幅度随损伤程度增大而增大。     

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。     

基于随机振动响应互相关函数的结构损伤识别试验分析

提出了基于结构振动响应互相关函数分析的损伤识别方法。通过八层剪切型钢框架结构模型在模拟白噪声随机激励作用下的试验分析,利用相邻测点响应的互相关函数幅值向量变化,构造损伤识别因子进行结构损伤判定、定位及程度量化,结果表明该方法对结构损伤的识别具有很好的简易性及有效性,并为结构在线监测和分散式检测提供方法参考。     

基于时间序列分析的结构损伤识别

针对如何从结构响应信息中提取结构损伤指标的问题,提出了一种基于时间序列分析的结构损伤识别方法。对结构响应数据进行预处理,利用完好工况下的结构响应数据作为参考数据,建立自回归(Auto regression-AR)预测参考模型。利用已建立的AR预测参考模型计算待识别工况的残差,将待识别工况的残差与AR预测参考模型的残差的方差之比作为损伤指标,对结构损伤进行识别;通过算例表明:该损伤指标不仅可以判断结构是否发生损伤,而且可以识别结构的损伤位置。     

基于模态应变能和小波变换的结构损伤识别研究

针对单一方法对结构同时发生多处不同程度损伤识别的不敏感性缺陷,本文结合小波变换在时域、频域内表征信号局部特性且能够聚焦到信号或函数的任意细节进行处理的能力,提出了一种基于单元模态应变能和小波变换的结构损伤识别方法。在单元模态应变能基础上,利用小波变换系数的变化和分布情况构建单元模态应变能小波变换结构损伤指标,通过对简支梁的数值模拟和斜拉桥模型试验研究的结果与单元模态应变能平均变化率作为损伤识别指标的计算结果进行对比,结果表明该方法能有效确定结构同时发生多处不同程度损伤的位置和估计损伤程度,为实际工程应用奠定了基础。     

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。     

基于精细积分法的结构碰撞反应谱研究

碰撞是导致结构地震破坏的重要原因之一,其与两碰撞结构的动力性能和地震作用密切相关,应给出与两个结构动力参数相关的反应谱,以指导结构考虑碰撞的抗震设计。本文给出相邻结构碰撞加速度反应谱定义,推导了精细积分法碰撞计算公式,进行了该反应谱曲面的分析和探讨。结果表明,精细积分法适用于结构碰撞问题的计算,可得到高精度的解,无条件稳定且可提高计算效率。碰撞会加大结构的加速度响应;动力特性相同的两相邻结构产生的响应有差异;增大阻尼比和相邻结构阻尼比差别、以及设置足够大的初始间隙,可有效降低结构的碰撞响应。     

基于磁流变阻尼器的结构模糊半主动控制实验研究

基于磁流变阻尼器的结构半主动控制兼有被动和主动控制的优点,近年来受到了广泛的关注,但设计与之相适应的控制系统仍是一项具有挑战性的工作。本文针对多输入多输出结构-阻尼器系统,提出了一种基于遗传算法的模糊控制器设计方法。由遗传算法自适应优化生成模糊控制规则,建立从加速度响应到磁流变阻尼器控制电压之间的关系,对结构进行半主动控制。通过两个结构振动控制实验,证明了该方法的有效性。     

基于动能密度的结构损伤识别

摘 要: 提出改进的动能密度指标损伤识别法,基于加速度测试数据,直接在时域内进行损伤识别。首先从理论上分析了动能密度指标,介绍了基于该指标建立的损伤识别方法;接着指出了改方法存在的问题,并详细分析了原因;然后针对这些问题,采用基线修正技术及小波包变换方法对该方法进行改进;最后将改进后的动能密度指标识别法用于一连续梁数值模型和一钢框架动力试验的损伤识别,结果表明该方法能够有效识别损伤位置,大概反映损伤程度;并且无需完备的模态信息,能克服激励的影响,具有良好噪声鲁棒性,适用于多种结构的损伤识别。因此,可以预见该方法具有较大的工程实用价值。     

基于结构响应统计特征的神经网络损伤识别方法

提出一种采用结构动态响应的统计特征作为损伤指标的神经网络损伤识别方法,并对其进行了数值模拟和实验验证。首先,通过敏感性分析,分析了采用结构动力响应的统计特征作为损伤指标的可行性;然后数值模拟了一三跨连续梁采用结构位移方差作为损伤指标的神经网络损伤识别过程,其结果表明,经过训练的神经网络可以准确的识别出单损伤和多损伤工况中的损伤位置和损伤程度;最后进行一组两端固定的简支梁模型实验来验证所提出损伤识别方法的有效性。实验结果表明,对于单损伤工况,神经网络可以准确地识别出结构中损伤位置和损伤程度,对于双损伤工况,神经网络可以准确地识别出损伤位置,而损伤程度识别略有偏差。最后得出结论,采用结构动力响应的统计特征作为损伤指标的神经网络损伤识别方法是可靠有效的。     

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.     

梁损伤小波包分析和神经网络识别

针对柔性悬臂梁裂缝损伤问题进行损伤位置和损伤程度的识别研究。首先用有限元法建立系统动力学模型。然后对系统的动力响应信号进行小波包分解,建立基于小波包能量谱的损伤指标。把损伤指标作为改进BP神经网络的输入特征参数,用分步识别方法进行损伤位置和损伤程度的识别。最后进行了数值仿真研究。仿真结果表明,利用小波包分析和改进的BP神经网络可以精确地识别出柔性梁的损伤位置和损伤程度。     

基于小波分析的结构损伤检测

损伤结构的动力特性具有局部时变的特征，小波变换在时域和频域都具有表征信号局部特征的能力，小波包分析利用可以伸缩和平移的可变视窗能够聚焦到信号的任意细节，因此可以对损伤结构的非线性动力特性能进行有效的分析。提出运用小波分析提取结构损伤特征向量的方法和基本原理，并进一步用神经网络进行损伤位置和程度的检测。文章通过一个两层框架的模型对小波神经网络和传统的BP网络的损伤识别精度作了对比。研究表明，小波神经网络的抗噪声能力较强，损伤识别的效果更好，运用小波神经网络进行结构损伤识别精度要优于传统的BP网络。     

基于遗传神经网络与模态应变能的斜裂缝两阶段诊断方法

基于遗传神经网络与模态应变能,提出了一种斜裂缝两阶段诊断方法,识别梁体中斜裂缝的位置、角度和深度。根据线弹性断裂力学与虚功原理,推导了斜裂缝梁的单元刚度矩阵,得到了其频率与振型。采用遗传算法对BP神经网络的拓扑结构、权值和阈值进行优化,从而建立了遗传神经网络,用于识别梁体中斜裂缝的位置和角度;结合斜裂缝单元的模态应变能,通过对斜裂缝应力强度因子的积分,得到斜裂缝深度的解析表达式,用于识别斜裂缝的深度。数值仿真表明:能够高精度地诊断出梁体中斜裂缝的损伤状态,包括位置、角度和深度;与BP神经网络相比,遗传神经网络具有更强的泛化能力,且对测量噪声具有较好的鲁棒性。     

PSO算法结合BP神经网络在传感器静态非线性校正中的应用

将粒子群优化(PSO)算法与BP神经网络相结合,应用在传感器静态非线性特性的校正中.用PSO算法所得到的全局最优值作为BP神经网络的初始权值,训练BP神经网络,训练结束后的神经网络作为传感器的静态特性校正器.应用结果表明,该方法可以提高BP神经网络的精度,并且该神经网络具有良好的泛化能力.     

Damage assessment in structure from changes in static parameter using neural networks

Damage to structures may occur as a result of normal operations, accidents, deterioration or severe natural events such as earthquakes and storms. Most often the extent and location of damage may be determined through visual inspection. However, in some cases this may not be feasible. The basic strategy applied in this study is to train a neural network to recognize the behaviour of the undamaged structure as well as of the structure with various possible damaged states. When this trained network is subjected to the measured response, it should be able to detect any existing damage. This idea is applied on a simple cantilever beam. Strain and displacement are used as possible candidates for damage identification by a back-propagation neural network. The superiority of strain over displacement for identification of damage has been observed in this study     

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.     

基于模型试验的悬索桥结构损伤识别研究

通过整桥模型试验, 探讨了悬索桥结构损伤识别方法. 首先面向损伤识别研究设计制作了长10m的悬索桥试验模型, 并通过模型误差分析建立了相应的高精度有限元模型. 基于悬索桥结构健康监测和试验检测的主要常用参数以及这些参数对结构损伤的灵敏性和相关性研究, 确定损伤识别策略. 采用有限元模型模拟可能的损伤工况, 从而生成BP网络的训练样本数据. 再将试验模型作为“实际结构”通过损伤模拟试验生成网络测试数据. 就试验模拟的损伤情况而言, 对损伤位置的识别准确率达到了86%, 相应的损伤程度识别精度也达到可接受程度. 显示了该方法较好的应用前景, 对基于监测系统的悬索桥健康状态识别与评价具有参考意义.