基于RBF神经网络的网架结构损伤识别试验研究

针对网架结构损伤识别中模态密集、自由度高等困难,利用RBF网络良好的容错性和鲁棒性,依据损伤前后的网架结构模态参数发生变化理论,提出了基于模态参数和RBF神经网络的网架结构损伤识别方法。以一个6 m×7.5 m的正放四角锥网架结构为研究对象,首先依据连续倒塌理论计算各杆件的重要性系数,确定模拟损伤杆件位置;然后以损伤前后结构的标准化频率平方变化率及标准化位移振型的组合参数作为RBF神经网络的损伤指标,利用有限元分析得到学习样本,试验分析结果作为测试样本。采用二阶段损伤识别方法,首先在所有杆件中排查出可疑受损杆件位置,最后再精确识别损伤位置和程度。结果表明,该方法能够很好地识别网架结构的损伤位置和程度。     

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。     

基于分段纤维模型的网壳结构极限承载力分析

针对采用有限元通用梁单元模拟杆件无法准确计算网壳结构塑性变形的发展情况,提出采用分段纤维模型模拟结构杆件以准确计算网壳结构的极限承载力。通过参数化分析,同时考虑计算效率与精度,确定了截面纤维与杆件积分段的合理划分数量。分别采用分段纤维模型与有限元软件通用梁单元模拟杆件计算网壳结构的极限承载力。计算结果表明,采用分段纤维模型可计算塑性变形的分布位置与发展程度,且可模拟杆件失稳,采用有限元软件通用梁单元建立计算模型将高估网壳结构的极限承载力。     

基于回传射线矩阵法框架结构的损伤检测研究

利用回传射线矩阵法,本文对方波脉冲作用下的框架结构进行损伤诊断研究。结构的局部损伤用减小受损单元的横截面面积来模拟。比较了有损伤框架结构与无损伤框架结构脉冲作用点的速度波,分析了损伤位置、损伤程度和损伤区域对脉冲作用点速度波的影响。结果表明,方波脉冲斜向作用时,脉冲作用点轴向速度波曲线可准确判别损伤存在,确定损伤程度、损伤位置和损伤区域,回传射线矩阵法是一种很有潜力的损伤识别方法。     

柜架结构损伤数值模型的固有频率分析

选取框架结构作为以结构损伤诊断的模拟对象,通过solid Works建模软件,建立了结构中最常见的框架结构损伤数值模型,实现了对结构损伤的精确模拟.利用该模型,通过改变损伤程度、损伤位置等重要结构损伤参数,进行了自振动力试验分析,得到了以结构固有频率为代表的特征参数的结果对比,初步总结了框架结构损伤前后结构特征参数的变...     

框架结构能量流网络及其初步应用

从考察框架结构在各种荷载条件下的能量流动出发,考虑结构杆件以及节点的能量流动状况,建立框架结构的能量流动网络。比较各杆件和节点的能量流动方向及大小,按图论方法得到框架结构内能量流动的关键路径,即结构的最大传力途径;通过比较拆除不同杆件对结构系统总体应变能影响的大小,确定结构杆件的重要性;通过跟踪结构杆件的破坏顺序以及结构杆件重要性的变化,确定结构最重要破坏模式。对唐山大地震中倒塌的一个3层框架作了分析,结果表明这种方法可以充分考虑结构受不同荷载作用的影响,可以确定框架结构的杆件重要性、最大传力途径以及最重要破坏模式。     

基于地震塑性损伤的混凝土框架结构分析模型研究

采用经典塑性和连续损伤模型,确定了塑性变形的演化法则,发展了一种基于抗震损伤的混凝土框架结构分析模型。运用两端具有塑性铰的梁模型模拟框架结构的梁柱。算例表明,该模型的损伤指数可以确定结构各单元和整体在地震时的性能及结构极限荷载,具有可靠的精度。     

基于模态灵敏度分析的框架结构损伤识别:灵敏度分析

结构损伤识别是开发结构安全监测系统中的一个重要课题。由于结构频率容易测试并且有较高的测量精度,因此成为损伤识别中广泛应用的模态参数。基于模态频率的灵敏度分析,提出了一种基于结构损伤前后频率变化测量的损伤参数识别方法,用于确定结构的损伤位置和损伤程度。     

结构损伤定位与定量识别方法研究

针对结构损伤问题,采用损伤定位、定量的分阶段识别方法,即利用柔度曲率改变率指标来确定结构损伤的具体位置,然后以频率改变率为输入参数构建神经网络对损伤部位进行程度识别。通过对一个简支梁的仿真计算,表明上述方法能判别损伤位置和程度,且识别精度较高。     

带有损伤杆件的钢管结构极限承载力计算的实用力学模型

采用有限元计算和试验数据建立的回归模型方法来研究一般受损条件下轴心受压圆钢管杆件受力的全过程.分析了凹陷深度、初弯曲、长细比和截面径厚比等参数对杆件极限承载力的影响.重点研究了上述参数对杆件荷载—轴向缩短关系的单独影响和综合影响.最后引入了受损杆件的折算刚度系数,为带有损伤杆件的钢管结构极限承载力的非线性分析提供了合理的力学模型.     

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.     

Two-stage damage diagnosis approach for steel braced space frame structures

In order to diagnose the location and extent of damage in steel braced space frame structures, a two-stage damage diagnosis approach is proposed. This approach is comprised of the damage locating vectors method and eigensensitivity analysis. By deriving formulas used to calculate characterizing stresses in space frame members, and by defining characterizing stresses in connections, the damage locating vectors method is extended to locate damage in space frame members and connections. In addition, the simplified calculation of modal mass-normalization constants for damaged structures is improved. The first- and second-order sensitivities of the modal parameter discrepancies with respect to the structural model parameters and the stiffness matrix of beam elements with one damaged end are utilized. To verify the effectiveness of the proposed approach, numerical simulation analysis and experimental testing of a steel braced space frame model are performed. Ten and seven damage patterns are simulated in the numerical example and experimental testing, respectively. Modal parameters of the undamaged and damaged structures are extracted from the acceleration data using the natural excitation technique (NExT) and the eigensystem realization algorithm (ERA). The extended damage locating vectors method is utilized to determine potentially damaged elements. Based on the identified modal information, the extent of damage of the potentially damaged elements is estimated using the second-order eigensensitivity analysis. It is demonstrated that the two-stage damage diagnosis approach is effective when the damage of the members or connections in steel braced space frame structures reaches a certain level.     

基于神经网络的框架结构损伤多重分步识别

提出了基于神经网络的框架结构损伤多重分步识别方法,建立了用于框架结构损伤识别的高效神经网络。根据构件损伤的多重分步识别思路,把构件损伤识别过程分为:利用神经网络建立损伤异常过滤器对构件损伤进行预警;以频率构造的组合指标作为神经网络输入向量,对构件损伤进行初步定位;以频率和模态振型构造的组合指标作为神经网络输入向量,对构件损伤进行具体定位;以频率平方变化率作为神经网络输入向量,对构件损伤程度进行识别。最后针对三跨四层的框架结构进行了损伤识别数值模拟。结果表明:基于神经网络的框架结构损伤多重分步识别方法简化了网络的结构,能够有效地对框架结构损伤进行预警、定位和定量。     

结构损伤区域推断的判别分析法

在结构损伤的系统识别中 ,损伤是用结构参数的减小来反映的。由于模型误差和试验测试误差 ,并不是所有的结构参数减小反映损伤的存在。为此 ,提出的损伤区域的判别分析法将每一个可能的损伤状态定义为一个随机总体 ,通过比较样本到每一个总体的距离来确定样品与哪个总体最靠近 ,进而对损伤区域作出判断。这一方法可以避免确定损伤单元数量时的主观判断 ,减小误判的风险。     

钢筋混凝土框架地震损伤识别与采用耗能装置修复的试验研究

本文通过模型的振动台试验,研究结构地震损伤识别及采用耗能装置修复损伤结构的可行性与效果。试验结果表明,本文采用 Pall摩擦装置能使损伤结构恢复完好时的抗震能力,同时具有减振效果。     

基于Hilbert-Huang变换的结构损伤诊断方法研究

结构物在强震中将产生损伤,其动力特性发生改变,通过对结构瞬时频率的分析可以诊断出结构的损伤发展过程。本文探讨了基于Hilbert-Huang变换的结构物损伤诊断方法,研究了如何从结构地震响应信号中提取模态响应、识别损伤位置和损伤发展规律。采用本文方法分析了三层框架模型,结果表明:带有间歇检验准则的经验模态分解法,能够提取结构的模态振动响应;对比无损伤结构和有损伤结构的Hilbert边际谱,可以诊断出结构损伤的部位;分析模态响应瞬时频率的时变特点,可以直观地掌握振动中结构的损伤发展规律。采用本文方法分析Northridge地震中某建筑物的强震记录,得到了该建筑的损伤发展规律,并证明了此方法的可行性。     

一种框架结构损伤诊断两步法

提出了一种仅用限模态信息的结构损伤诊断两步法。第一步,利用测量自由度正则化损伤指标向量得到损伤构件的大致区域。第二步,在第一步选定的区域内,利用设计灵敏度技术对可能的损伤构件进行定位、定量分析。利用四层平面框架进行了数值模拟,建立四层平面框架的有限元模型,用不同单元弹性模量的降低来模拟各种不同的损伤工况,并对每种损伤工况进行了损伤位置和损伤程度的诊断,数值模拟结果表明,本文所提出的结构损伤诊断的两步法是可行的。     

混凝土框架结构抗震分析的塑性损伤模型

地震作用下,结构会遭受损伤.为了对结构进行损伤评估,本文基于经典塑性模型与连续损伤模型,根据广义应力空间塑性力学确定塑性变形的演化法则,建立了一种塑性损伤模型,用来进行混凝土框架结构的抗震分析,将塑性损伤的本构关系运用于在两端具有塑性铰的梁模型,模拟框架结构的梁柱.同时该模型的损伤指数可以确定结构各单元和整体的地震时性...     

基于统计矩理论的无模型结构损伤识别方法研究

通过对统计矩理论的分析,提出了一种在时域内利用结构加速度八阶矩作为损伤指标,直接利用输出信号快速判断结构有无损伤及损伤位置的识别方法。通过对典型Benchmark四层钢框架结构数值仿真模型和实测试验进行分析,研究了不同位置斜撑缺失以及弹性模量减少工况下的损伤位置识别,并通过12层标准RC框架振动台试验数据分析了不同楼层梁的损伤工况,判定了各楼层相对损伤程度变化。结果表明：利用响应信号的结构加速度八阶矩适合作为损伤识别的直接判别指标,通过两次定期测试的相对变化可以直接快速对不同损伤工况进行损伤诊断。     

部分输入未知条件下结构参数及激励识别

针对部分输入未知条件下的结构参数和荷载识别问题,提出一种改进的基于最小二乘准则的自适应加权迭代算法。该方法通过引入自适应学习因子和加权正定矩阵,以任意假定的未知外激励作为初始迭代条件,以相邻两次迭代后荷载的识别值的误差作为收敛判断准则,有效地改进了迭代收敛速率、稳定性和识别精度。同时,针对比例阻尼,对现有非线性参数识别的松弛法进行改进,提出一种转换算法。通过一个具有15个自由度的高层数值模型的模拟数据和一个4层结构模型的动力试验实测数据分别验证了该方法有效性,同时,分别探讨了噪声水平、权重系数、学习因子等对算法收敛性的影响。数值算例和基于模型动力测试数据的识别结果表明,该算法具有稳定的收敛特性,参数和荷载识别精度高以及对测量噪声的鲁棒性强的特点。