基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。     

基于D-S证据理论的结构多损伤识别结果融合研究

考虑噪声影响时,无论基于刚度矩阵损伤因子的损伤识别方法,还是基于模态应变能的方法对结构多损伤识别的效果均不太理想,容易造成误判。为此,采用信息融合技术的D-S证据理论将基于刚度矩阵损伤因子和基于模态应变能的损伤识别结果进行融合。平面桁架数值仿真结果表明,融合后能提高结构多损伤识别的准确性。     

基于响应面模型修正的桥梁结构损伤识别方法

及时、准确地发现桥梁结构的早期损伤,避免桥梁结构的突然破坏或倒塌,无疑具有重要的理论意义和重大的社会经济效益。文章提出基于响应面模型修正技术和单元模态应变能损伤指标的结构损伤识别方法,通过简支梁室内模型试验来检验方法的有效性,进而以下白石大桥为背景,通过数值模拟方法基于响应面模型修正和单元模态应变能指标进行下白石大桥支座损伤识别。结果表明:单元模态应变能损伤指标对开裂损伤和支座损伤具有较好的敏感性,可识别出多损伤位置和损伤程度,具有应用到实际工程结构进行损伤识别的潜力。     

基于数据融合的张弦桁架多位置损伤识别与抗噪性分析

为提高张弦桁架多位置损伤识别的准确性,将数据融合方法与损伤识别指标相结合,采用D-S证据矩阵理论融合叠加曲率模态改变率和模态柔度差曲率两项指标的损伤识别结果,提出了张弦桁架多损伤的单次融合和两阶段融合识别方法。以某实际工程缩尺简化得到的张弦桁架作为研究对象,设计了两种不同的多损伤工况,通过有限元分析获取了结构损伤前后的前三阶模态数据,并进行了损伤识别分析。结果表明：基于数据融合的多损伤识别方法能够准确地识别张弦桁架多损伤,其能够综合两种单指标的识别结果,降低甚至消除非损伤位置的干扰,有效解决了单指标识别精度低、不能全面反映损伤位置的问题;两阶段融合方法通过两次融合逐步降低了非损伤位置的干扰,识别效果优于单次融合方法。此外,分析中考虑了不同水平噪声对张弦桁架多损伤识别的影响,结果表明：基于数据融合的多损伤识别方法具有较好的抗噪能力,能够降低噪声和非损伤位置的干扰,且两阶段融合方法的抗噪能力优于单次融合方法。     

基于GRNN神经网络的桁架结构损伤识别的两步法

损伤识别方法是结构健康监测系统的重要组成部分。基于广义回归神经网络(GRNN)模型,建立了结构损伤识别的两步法,构造了用于损伤定位和损伤定量的不同损伤识别组合损伤指标,并引入模态应变能系数选择节点,最后,结合典型桁架结构进行了损伤识别数值模拟研究。结果表明,即使在只获得低阶频率和少量节点一阶振型数据且含有噪声的情况下,采用构造的组合参数,GRNN神经网络对损伤位置及损伤程度识别都取得了比较理想的识别效果。     

基于布谷鸟搜索算法的温度驱动损伤识别方法

基于振动的损伤识别方法数据分析过程复杂,且易受环境不确定因素影响,为解决该问题,提出了一种基于布谷鸟搜索算法的温度驱动损伤识别方法。分析中将温度视为结构的可测激励,对基于温度诱导应变的结构损伤参数识别公式进行了推导,进而利用实测的温度诱导响应值与有限元模型计算的温度诱导响应值构造目标函数,基于改进的布谷鸟搜索算法对有限元模型中的损伤参数进行更新,从而实现损伤的准确判别。通过一根两端弹性约束的H型钢梁,以及一榀Benchmark钢框架模型的数值仿真分析,验证了所提方法的损伤识别效果。分析结果表明：基于布谷鸟搜索算法的温度驱动损伤识别方法可对不同程度、不同位置及不同数量的损伤进行有效识别,即使在较高的噪声干扰下,仍能取得较好的识别结果。相比于基于振动的有限元模型损伤参数识别方法,该方法无需施加外部激励,输入与输出数据（温度与温度响应）方便可测,损伤识别所需的数据量较少,受噪声干扰影响小,可对结构的损伤进行有效定位与量化。     

应变模态指标在平板网架结构损伤识别分析中的应用

平板网架结构在实际工程中应用广泛,针对此类结构的损伤识别研究显得尤为重要.由于避免了重新建模引入的系统误差,无模型的损伤识别理论正日益受到重视,并已被应用于梁式构件的健康监测.文中引入了一种应变模态指标,将无模型损伤识别理论应用于平板网架结构中.以折减杆件截面面积的方式来模拟杆件损伤,数值分析了5种具有代表性的损伤工况,在数值计算结果中引入了白噪声,并取部分杆件作为监测杆件.损伤识别分析结果显示,损伤杆件的应变模态指标为结构所有杆件中最高的.通过比对各杆件的应变模态指标,便能对发生在结构中上弦杆、下弦杆以及腹杆等不同位置的损伤进行识别.同时,损伤杆件周围杆件的应变模态指标也会比无损杆件的指标较大,在损伤点周围会出现一个损伤指标显著的区域.另外,当结构中两根或多根杆件同时损伤时,应变模态指标也能识别出全部损伤杆件.     

基于模态应变能和小波分析方法的网壳结构损伤识别研究

工程结构损伤的识别与定位研究以往主要针对梁、框架等结构形式.损伤表现为信号局部特征的改变,而小波分析在时域和频域上都具有表征信号局部特征的能力.为提高结构损伤识别方法的准确性和适用性,将小波分析引入到网壳结构损伤识别中.根据小波奇异性检测理论,提出将模态应变能和小波变换相结合的方法对网壳结构进行定位,即以结构损伤前后单元模态应变能差作为结构损伤指标,对其分别进行bior6.8连续和离散小波变换,利用小波系数极大值点判断网壳结构有无损伤和损伤位置.以跨度40m的Kiewitt网壳结构为例进行数值模拟,结果表明:基于模态应变能和小波变换相结合的方法,在测得一阶模态下,不但对单一损伤而且对多损伤均能有效地识别出结构的损伤位置,证明该方法对此类结构损伤定位具有有效性和实用性.     

基于单元相对刚度系数的结构损伤识别研究

提出了一种基于单元相对刚度的结构损伤识别方法。该方法以结构刚度变化率为损伤指标,定义结构的相对刚度系数,利用特征方程,通过矩阵变换得到结构损伤指标的相对刚度系数表达式,采用快速傅里叶FFT与贝叶斯相结合的方法(Fast Bayesian FFT)识别结构的模态参数,计算相对刚度系数,进而得到结构的损伤指标,便同时得到结构的损伤程度和损伤位置。利用Simulink模拟结构响应,识别结构模态参数,计算损伤指标判断结构损伤。结果表明,基于单元相对刚度系数的方法能利用较少的模态参数,实现单损伤和多损伤的定位和损伤程度识别,具有一定的抗噪能力,且精度较高。     

基于应变模态参数的木梁损伤识别研究

为研究基于应变模态参数识别木梁损伤的方法,文中通过有限元软件ABAQUS建立不同损伤工况下的木梁模型进行模态分析,处理分析得到位移模态、应变模态及应变模态差曲线,以曲线的突变进行损伤定位识别。结果表明应变模态和应变模态差可识别出简支木梁的损伤,且识别精度高,与通过固有频率变化和位移模态的损伤识别相比,基于应变模态参数的损伤指标在梁损伤位置识别具有明显优势。     

测量模态不完整情况下空间网架结构的损伤识别

空间网架结构杆件数量庞大,自由度数目很多,要测得完整的模态数据有很大的困难。如何利用有限的测量信息对结构的损伤情况进行判断是一个实际的问题。对测量自由度不完整情况下网架的损伤识别,提出了两步法:第一,将测量的振型通过动力扩阶方法得到完整振型,利用模态应变能进行疑似损伤杆件判断;第二,利用最小二乘支持向量机对第一步判断的疑似杆件进行进一步的杆件损伤定位和定量。以一个空间网架结构为模型进行了数值模拟验证,结果表明对于测量模态不完整的网架结构损伤识别本文提出的方法是有效的。     

基于数据融合的张弦桁架损伤识别方法与试验研究

针对张弦桁架采用单损伤指标识别损伤位置易受到干扰甚至产生误判的问题,提出基于曲率模态差和模态柔度差曲率融合的损伤识别方法。基于D-S证据矩阵和加权平均两种数据融合准则,建立张弦桁架损伤识别的单次融合和两阶段融合识别流程。采用有限元软件ANSYS建立张弦桁架分析模型,利用减小构件截面积模拟弦杆损伤,分别采用非融合单损伤指标、单次数据融合和两阶段融合方法进行损伤识别分析。结果表明：单损伤识别指标的抗干扰能力较低,尤其对支座附近下弦杆的识别效果差;基于数据融合的损伤识别方法能够综合多种指标损伤识别结果,有效提高损伤位置识别的准确性;与加权平均数据融合准则相比,基于D-S证据矩阵准则的数据融合方法更能有效降低非损伤位置干扰,识别效果更好;两阶段融合方法效果优于单次融合方法,损伤位置的损伤概率愈发接近于1,非损伤位置的损伤概率愈发趋近于0。最后开展了一榀张弦桁架模型的损伤识别试验,通过试验验证了当所获取模态数据受到环境或测试噪声等因素影响下,文章提出的基于数据融合的损伤识别方法仍具有较好的鲁棒性,能够有效识别实际张弦桁架结构的损伤位置。但由于曲率模态差以及模态柔度差曲率难以识别损伤程度,因此文章方法仅能够提高损伤位置的识别精度。     

An efficient two-stage approach for structural damage detection using meta-heuristic algorithms and group method of data handling surrogate model

In this study, the performance of an efficient two-stage methodology which is applied in a damage detection system using a surrogate model of the structure has been investigated. In the first stage, in order to locate the damage accurately, the performance of the modal strain energy based index for using different numbers of natural mode shapes has been evaluated using the confusion matrix. In the second stage, to estimate the damage extent, the sensitivity of most used modal properties due to damage, such as natural frequency and flexibility matrix is compared with the mean normalized modal strain energy (MNMSE) of suspected damaged elements. Moreover, a modal property change vector is evaluated using the group method of data handling (GMDH) network as a surrogate model during damage extent estimation by optimization algorithm; in this part of methodology, the performance of the three popular optimization algorithms including particle swarm optimization (PSO), bat algorithm (BA), and colliding bodies optimization (CBO) is examined and in this regard, root mean square deviation (RMSD) based on the modal property change vector has been proposed as an objective function. Furthermore, the effect of noise in the measurement of structural responses by the sensors has also been studied. Finally, in order to achieve the most generalized neural network as a surrogate model, GMDH performance is compared with a properly trained cascade feed-forward neural network (CFNN) with log-sigmoid hidden layer transfer function. The results indicate that the accuracy of damage extent estimation is acceptable in the case of integration of PSO and MNMSE. Moreover, the GMDH model is also more efficient and mimics the behavior of the structure slightly better than CFNN model.     

Multi-source information fusion applied to structural damage diagnosis

This study aims to import multi-source information fusion (MSIF) into structural damage diagnosis to improve its validity. Two structural damage identification methods based on MSIF are put forward, one of which is to fuse two or more structural damage detection methods by MSIF and another of which is the improved modal strain energy method by multi-mode information processing based on MSIF. Through a concrete plate experiment it is proved that, if two methods are integrated by character-level information fusion, structural initial damages can be more accurately identified than by a single method. In a simulation of a concrete box beam bridge, it is indicated that the improved modal strain energy method has a nice sensitivity to structural initial damages and a favorable robusticity to noise. These two structural damage diagnosis methods based on MSIF have good effects on structural damage identification and good practicability to actual structures.     

基于ARCH模型残差偏移距离的#br# 非线性损伤检测和试验研究

为了解决空间钢架结构非线性损伤的识别问题，提出了一种基于自回归条件异方差(auto regressive conditional heteroskedastic，ARCH)模型残差偏移距离的损伤识别方法。文章首先描述ARCH模型的基本理论，并给出了ARCH模型建模的定阶方法和模型参数的估计方法；接着分析结构非线性损伤的特性；然后，考虑到传统的非线性识别指标难以运用到空间钢架结构，提出基于ARCH模型的欧氏距离指标和改进的残差偏移距离指标识别钢结构损伤位置。最后，使用一个8层剪切结构数值模拟验证了2个损伤指标的有效性，并且将文章提出的指标运用于输电塔钢架模型的非线性损伤识别试验中。模拟和试验结果表明，传统的非线性损伤识别指标难以直接运用于钢架的损伤识别，而建议的欧氏距离指标和残差偏移距离指标可以较好地识别出钢架结构的非线性损伤。     

单元模态应变能变化率对框架结构的损伤诊断

对具有一定程度损伤的框架结构来说,模态位移动力检测指标难以有效地反映结构的损伤状况。为了提高诊断效率和诊断结果的可靠性,采用结构损伤的单元模态应变能变化率方法构造框架结构损伤定位的识别指标。通过对一个典型框架结构的数值模拟研究表明:该方法仅需低阶模态参数,无论是单一位置损伤、对称部位损伤、轻微损伤,还是多种损伤共存,均具有损伤定位的能力;且在一定噪声水平下具有较强的抗噪能力。给出根据损伤单元模态应变能变化率值的大小,确定损伤程度的实用方法。     

Vibration‐Based Damage Localization in Flexural Structures Using Normalized Modal Macrostrain Techniques from Limited Measurements

Abstract: This article presents damage locating indices based on normalized modal macrostrain (MMS) as improvement on the typical curvature‐dependent methods. Vulnerability to noise and the use of numerical differentiation procedures are the key factors for the poor performance of many curvature‐dependent methods using displacement mode shapes. Whereas dynamic distributed strain measurement data from long‐gauge FBG sensors have significantly improved the performance of many damage identification methods, the sensitivity to local damage diminishes as the gauge length increases. The proposed model‐free damage identification techniques based on normalized MMS vectors are successfully implemented to locate damage in beam‐like structures through numerical simulations and experimental verifications. The unique advantages of the techniques are their simplicity, robustness to noise, ability to precisely identify small damage extents, and localize single and multiple damage states using limited measurable modes from few sensors.     

An efficient method for structural damage detection using a differential evolution algorithm-based optimisation approach

An efficient method employing the differential evolution algorithm (DEA) as an optimisation solver is presented here to identify the multiple damage cases of structural systems. Natural frequency changes of a structure are considered as a criterion for damage occurrence. The structural damage detection problem is first transformed into a standard optimisation problem dealing with continuous variables, and then the DEA is utilised to solve the optimisation problem for finding the site and extent of structural damage. In order to assess the performance of the proposed method for structural damage identification, some illustrative examples are numerically tested, considering also measurement noise. All the numerical results demonstrate the effectiveness of the proposed method for accurately determining the site and extent of multiple-structural damage. Also, the performance of the DEA for damage detection compared to the standard particle swarm optimisation is confirmed by a test example.