应用模态置信准则最优解的高速自动机测点优化

针对高速自动机状态监测和故障诊断中,传感器数目难以确定,测点定位困难的问题,提出了应用粒子群优化模态置信准则的高速自动机测点优化配置方法。通过对某型高射机枪高速自动机有限元振动模态分析结果,结合试验模态测试,识别出高速自动机的振型及模态参数,并以此作为依据初选5个测点,并构建基于模态置信准则的适应度函数,通过采用该适应度函数的粒子群优化算法对这5个测点进行优化配置,解决了高速自动机机箱振动信号采集过程中测点的择优布置以及传感器定位困难及数量难以估计的问题。     

基于广义正交函数和正则化的移动荷载识别法

为了识别桥上移动荷载,把车/桥系统抽象为承受一组移动荷载的简支梁,用有限元方法建立桥梁振动方程,根据测试的桥梁响应,由广义正交函数根据模态叠加原理确定模态响应及其导数,用正则化技巧得到稳定的识别结果。数值模拟和试验结果表明,该方法用于识别桥上移动荷载是有效的、可行的     

基于TGSVD的桥梁移动荷载识别及正则化矩阵选取

基于时域法(time domain method,简称TDM)识别移动荷载理论,通过引入正则化矩阵,提出采用截断广义奇异值分解法(truncated generalized singular value decomposition,简称TGSVD)识别桥梁移动荷载。比较不同正则化矩阵对TGSVD识别结果影响,并与TDM识别结果进行比较,两轴移动荷载识别结果表明,正则化矩阵选取对TGSVD识别精度、鲁棒性等影响较大。当正则化矩阵选取适当,TGSVD采用弯矩和加速度响应均具有较高识别精度且识别结果受噪声干扰小。在测点类型单一或测点数量较小时优势更为突出,适宜于现场移动荷载识别,具有较强的工程应用价值。     

基于TGSVD的桥梁移动荷载识别及正则化矩阵选取

基于时域法（time domain method ,简称TDM）识别移动荷载理论,通过引入正则化矩阵,提出采用截断广义奇异值分解法(truncated generalized singular value decomposition,简称TGSVD)识别桥梁移动荷载。比较不同正则化矩阵对TGSVD识别结果影响,并与TDM识别结果进行比较,两轴移动荷载识别结果表明,正则化矩阵选取对TGSVD识别精度、鲁棒性等影响较大。当正则化矩阵选取适当,TGSVD采用弯矩和加速度响应均具有较高识别精度且识别结果受噪声干扰小。在测点类型单一或测点数量较小时优势更为突出,适宜于现场移动荷载识别,具有较强的工程应用价值     

基于小波包样本熵的连续梁桥损伤识别

为了减少现行桥梁检测中所需布置传感器数量,将小波包分解和样本熵有机结合起来,对利用单点动力响应数据检测识别连续梁桥结构损伤的新方法进行了研究,笔者提出了连续梁桥结构的损伤识别指标和方法。利用小波包变换对移动荷载作用下桥梁的加速度响应进行分解和重构,计算重构信号的样本熵值,建立了对数加速度能量差小波包样本熵损伤识别指标;并通过三跨变截面连续梁桥的动力仿真分析,验证了指标和方法的适用性与噪声鲁棒性。研究结果表明,笔者所提出指标和方法仅利用桥上一个测点的加速度响应就能够很好地识别连续梁桥的损伤位置和损伤程度,且对噪声不敏感。     

环境激励下的钢梁模态试验研究

由于简支梁测点较多和传感器数量的限制,所以本文利用有效独立法对一根4m长简支钢梁进行了测点优化和选择,并且选择一测点为参考点(固定点),用分批测量的方法对所选测点进行了振动测试,并用功率谱峰值法对钢梁进行了模态参数识别.     

三跨连续箱梁桥的模态试验研究

由于测量导线长度和加速度传感器数量的限制,本文用有效独立法对测点进行了优化和选择.选取其中的两个测点作为固定点,用分段、分批测量的方法对某三跨预应力钢筋混凝土连续箱梁桥在环境随机激励的条件下进行了振动测试,并且基于测点间的传递率对此桥进行了模态参数识别.     

基于EI及MAC混合算法的斜拉桥传感器优化布置

提出一种传感器优化布置算法,结合有效独立法和模态置信保证准则(Modal Assurance Criterion,简称MAC法)的优点,解决了采用MAC法进行传感器优化布置时所遇到的问题.首先,利用列主元QR分解技术得到MAC法确定传感器位置的初始测点,然后用有效独立法确定侯选添加测点的范围,避免了添加测点的盲目性,从侯选测点中选择满足MAC矩阵非对角元素最小的测点,添加到初始测点中,不断循环直至达到要求,上述算法采用matlab7.0编制程序实现.最后,以五河口大桥为研究对象,运用程序对五河口大桥主梁作了不同数目测点方案的传感器优化布置研究.结果表明,混合算法不仅保证了所测向量的MAC矩阵非对角元素值较小,而且具有较好的线性独立性和空间交角.     

基于激励点优化和信号能量的结构损伤识别

为了有效激发结构的局部振动模态,分析响应信息并进行损伤识别,构建了一种基于激励点优化和不同损伤状态下信号能量的结构损伤识别方法.首先建立结构动力学模型,计算模态振型;再以MAC矩阵非对角元素最小值作为适应度函数,采用改进粒子群算法(MPSO)优化激励点数量和位置,以MAC非对角元平均值和均方根(RMS)准则评价不同激励点布置方案;然后激励桁架试验模型对应的位置,再计算损伤前后测点处时域信号的能量,从而根据其相对变化识别结构的损伤位置和损伤程度.另外对不同损伤的信号加入信噪比为10 dB的高斯白噪声后,该方法仍能够识别结构的损伤位置和程度,试验结果验证了此方法的可行性.     

传感器优化布置的改进有效独立算法

基于传统有效独立法(effective independence algorithm,简称EI法),以测点的频响函数为驱动点留数加权有效独立分布向量,提出改进的有效独立法用于传感器优化布置。该方法弥补了传统有效独立法会得到振动能量较低测点的缺点,可针对位移、速度和加速度不同类型的传感器采用相应的频响函数分别进行优化布置。应用该方法对一座矮塔斜拉桥三向加速度传感器进行优化布置,并采用模态保证准则和抗噪声能力准则对布置方案进行评价,结果表明,改进有效独立法能得到精确、经济的传感器布置。