考虑质量变化的空间拱结构小损伤识别方法研究

该研究针对空间拱结构损伤识别精度问题,提出了一种空间拱结构小损伤的动态识别方法。该方法在识别过程中考虑损伤区的质量变化的因素来提高了结构损伤识别的精度。在建立的空间拱结构损伤模型中,应用频率和振型的质量因子变化来表示损伤区质量的变化。应用Wittrick-Williams算法对损伤参数进行计算,根据计算结果来判定结构的损伤位置和程度。为了实现应用最少的测量模态和结构振动特性数据对结构损伤精确识别,建立了一个应用遗传算法的优化计算程序对损伤参数优化计算。在该优化程序中,应用初始的随机染色体群代表沿空间拱不同的损伤分布状况。通过对单一损伤、多个损伤区域和不同边界条件下空间拱进行损伤识别案例对所述方法进行验证,并分析解决了对称结构损伤定位唯一性的问题。结果表明,所提出的识别方法对空间拱结构的损伤具有较好的识别效果,所建立的损伤识别程序具有较高的识别精度。     

一种基于模型修正的结构损伤识别方法

基于模型修正技术提出一种结构损伤识别方法。首先通过建立带约束边界非线性最小二乘目标函数，极小化结构实测模态与分析模态之间误差，将损伤识别问题转化为优化问题。其次采用信赖域方法求解该优化问题使优化过程具有更强的鲁棒性和可靠性。然后提出一种目标函数向量扩充方法并进行了参数优化研究。最后通过一栓接框架损伤试验研究，验证了该识别方法应用于结构损伤识别的可行性和有效性。     

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。     

哈尔滨四方台斜拉桥模态参数和索力识别

桥梁的模态参数是修正有限元模型、识别损伤及桥梁状态评估的重要参数。动力测试是获得模态参数的必要途径。建立了哈尔滨四方台大桥的有限元模型;利用8个力平衡加速度传感器采用分组测试的方式测试了桥面加速度,利用压电传感器测试了斜拉索的加速度;联合NExT法和ERA法进行了斜拉桥模态参数识别,并将识别结果与有限元模型的计算结果进行了对比分析;采用拉索基频的频差拟合识别法进行频率及索力识别,并进行了实测索力与设计索力的对比分析     

基于Kriging模型和分层模型修正技术的结构边界条件识别

为得到能够准确反映结构装配关系的有限元模型边界条件，结合Kriging模型和分层模型修正技术，提出了一种结构边界条件识别方法。为削弱材料参数误差对边界条件识别的影响和改善修正不适定，利用实测自由模态频率，修正有限元模型的材料参数；以修正后的模型为基础进行边界条件识别，通过灵敏度分析确定模型的待修正边界参数，采用拉丁超立方抽样(Latin hypercube sampling, LHS)进行试验设计，并以实测约束模态频率与Kriging模型预测频率的差值最小为目标函数，利用粒子群算法求解最优参数。某包装机械摇臂连杆结构的试验结果表明，与传统的边界条件识别方法相比，所提方法具有较好的识别效果，识别得到的边界参数、结构响应等与实际结构具有较好的一致性。     

基于最优复Morlet小波的结构密集模态参数识别

针对结构密集模态参数识别精度不高的问题,提出了一种小波Shannon熵与最小标准差相结合来优化复Morlet小波参数的方法。首先理论推导了中心频率与带宽参数的取值范围,其次采用两个最小原则对中心频率与带宽参数同时进行优化,通过仿真算例和模型实验的参数识别,验证了参数优化后的Morlet小波可准确地识别结构的密集模态参数,并且具有一定的抗噪性能。     

基于子结构的有限元模型修正方法

提出了一种基于子结构的有限元模型修正方法。该方法将整体结构有限元模型划分为多个子结构模型,求解独立子结构的主模态特征解和特征灵敏度;通过位移协调条件和能量方程,约束相邻独立子结构,得到整体结构的特征解和特征灵敏度;并以整体结构模态和结构试验模态的残差为目标函数,通过调整子结构单元参数,完成有限元模型修正。当结构局部参数发生变化,通过分析某一个或几个子结构即可求解整体结构特征解和特征灵敏度,而不需要分析其他未发生变化的子结构。由于子结构模型尺寸远小于整体结构,该方法能够极大地提高有限元模型修正方法的精度和效率。     

去噪正则化模型修正方法在桥梁损伤识别中的应用

以传统基于灵敏度分析的有限元模型修正方法为基础,提出一种结合小波去噪过程的正则化模型修正损伤识别方法.为改进模型修正方法损伤识别效果,一方面利用有损结构模态与模态噪声的波形在时频域内的差异,以结构有限元模型为基准,对实测模态差进行小波去噪处理,并利用修正后的模态构造目标函数;一方面采用正则化方法改善反问题求解的非适定性.由于从输入数据和求解过程两方面同时改善了结构损伤识别反问题的求解,因此可以有效抑制实测模态参数中噪声的影响,正确识别结构损伤.以连续梁桥模型为例的损伤识别数值模拟表明,所提出方法在保持识别算法鲁棒性、抑制噪声的同时,可有效提高桥梁结构损伤的识别精度.     

实测模态和结构模型同步修正的结构损伤识别方法

在基于灵敏度分析的有限元模型修正方法基础上,提出一种对实测模态和结构模型同步修正的结构损伤识别方法。即利用有损结构模态与测量噪声在时频域内的差异,以结构有限元模型为基准,对实测模态差进行小波去噪处理,再利用修正后的模态构造目标函数,进行有限元模型修正,经过迭代计算最终可识别结构的损伤。数值算例表明该方法可有效降低噪声的影响,提高损伤识别的精度。     

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。     

基于人工鱼群算法的结构模型修正与损伤检测

提出结构模型修正结构损伤检测的人工鱼群算法。将结构模型修正与结构损伤检测结构动力学逆问题转化为约束优化数学问题,并尝试用人工鱼群算法求解。介绍人工鱼群算法基本原理,定义关键参数并描述觅食、聚群、追尾及随机等行为;据模型修正原理利用结构损伤前后模态特性数据定义优化问题目标函数;通过两层刚架不同损伤工况数值仿真、三层框架试验数据验证方法的有效性。结果表明,基于人工鱼群算法的结构模型修正与损伤检测方法能有效修正结构有限元模型,在不同噪声水平及各种结构损伤工况下不仅能准确定位结构损伤且能精确识别损伤程度。     

一种海洋平台广义模型修正方法的研究

针对导管架式海洋平台结构的广义模型修正问题，提出了先修正模态振型后修正模态频率的试验方法。首先利用损伤检测方法识别出试验模型中与初始有限元模型有刚度偏差的杆件单元并采用反复迭代修正的方法进行了有限元模型模态振型的修正；然后将地基模拟为三维弹性支承并对其进行优化设计来实现有限元模型模态频率的修正；通过力锤激励下海洋平台的模型试验验证了此方法的可行性，为长期服役且原型结构未测的海洋平台的损伤检测、安全评估研究提供了基础。     

基于缩聚模态应变能与频率的结构损伤识别

在结构损伤识别中,测试振型往往是不完整的,这阻碍了结构损伤识别技术的应用效率。提出了一种采用缩聚应变能与频率相结合的损伤识别定性与定量方法。采用基于Neumann 级数展开的方法对有限元模型进行缩聚,定义了单元缩聚模态应变能,并证明了缩聚模态应变能的变化对损伤的敏感性;将单元缩聚应变能变化率作为标识量来识别损伤的位置;在损伤位置初步判定的基础上,采用特征值灵敏度法求解损伤程度。以一简支钢梁为例证明了所提出的方法。结果表明:在测量模态数据有误差的情况下也能较好地给出损伤识别结果。     

Efficiency of Jaya algorithm for solving the optimization-based structural damage identification problem based on a hybrid objective function

A Jaya algorithm was recently proposed for solving effectively both constrained and unconstrained optimization problems. In this article, the Jaya algorithm is further extended for solving the optimization-based damage identification problem. In the current optimization problem, the vector of design variables represents the damage extent of elements discretized by the finite element model, and a hybrid objective function is proposed by combining two different objective functions to determine the sites and extent of damage. The first one is based on the multiple damage location assurance criterion and the second one is based on modal flexibility change. The robustness and efficiency of the proposed damage detection method are verified through three specific structures. The obtained results indicate that even under relatively high noise level, the proposed method not only successfully detects and quantifies damage in engineering structures, but also shows better efficiency in terms of computational cost.     

考虑温度梯度的模态应变能法海洋平台损伤检测研究

针对导管架式海洋平台,研究了海水温度梯度对结构整体损伤检测方法之一的模态应变能法的影响。以一个导管架平台为模型,考虑温度对钢材弹性模量的影响,建立了该平台在模拟的海水温度梯度下的有限元模型。通过使用模态应变能法对该模型进行损伤检测,总结了温度梯度对基于模态应变能法的海洋平台损伤检测的影响规律。结果表明温度梯度会使该方法损伤定位能力变弱,对结构冗余度越大的构件影响越大;同时会使损伤程度识别精度降低,构件结构冗余度越大、损伤程度越小,影响越大。     

Weldment Nondestructive Testing Using Magneto-optical Imaging Induced by Alternating Magnetic Field

This paper introduces an innovative Nondestructive testing (NDT) approach by using dynamic magneto-optical imaging (MOI) system to diagnose weld defects. MOI mechanism was explained by Faraday magneto-optical effect and magnetic domain theory. Two Q235 specimen MOI experiments based on excitation of permanent magnet and alternating electromagnet (alternating current driven electromagnet) were performed, thus the feasibility of MOI system for weld defects detection was verified and the relation between alternating magnetic field (AMF) and dynamic MO images was discussed as well. In this research, AMF of welded high-strength steel (HSS) weldment was excited by an alternating electromagnet, and dynamic MO images of HSS seam were acquired for weldment NDT. Finally, a pattern recognition method including three steps was proposed. Dynamic MO images were fused periodically and the features of fused images were extracted by principal component analysis. A classifier based on error back propagation (BP) neural network was established to identify these weld features. It proved that typical weld features such as incomplete penetration, sag, crack and no defect can be classified by the proposed method with an accuracy of 93.5%.     

Damage identification in three-dimensional structures using single-objective evolutionary algorithms and finite element model updating: evaluation and comparison

This study presents a methodology which integrates single-objective evolutionary algorithms (EAs) and finite element (FE) model updating for damage inference in three-dimensional (3D) structures. First, original well-known EAs, namely the genetic algorithm, differential evolution (DE) and particle swarm optimization (PSO), are combined with FE model updating for detecting damage in a 3D four-storey modular structure and their performances are compared. Next, to obtain more accurate results, hybrid Lévy flights–DE and hybrid artificial bee colony–PSO are developed for enhancing damage identification. With each method, the objective function composed of modal strain energy and mode shape residuals, taken from the FE model of the intact structure and the simulated damage responses, is initially created. Then, the performance of each algorithm combined with FE model updating for damage detection is assessed in terms of three characteristics: consistency, computational cost and accuracy, and the best performing algorithm is recommended.