基于改进粒子群算法的应变传感器优化布置

在结构健康监测和损伤识别研究中,为了应用有限的试验设备资源获取尽可能多的有效测试信息,快速有效地解决应变传感器的优化配置问题,提出了一种基于克隆选择和离散粒子群混合算法优化新型适应度函数的应变传感器优化布置方法,并将该方法应用到拉西瓦拱坝上。结果表明,基于改进克隆选择和离散粒子群混合算法具有更强的全局寻优能力,且提出的应变类适应度函数在保证应变模态正交性和模态应变能方面更有优势。该方法能很好地识别拱坝的应变振型,可在各类结构的模态测试和损伤识别研究中进行推广。     

基于MAC算法的法兰螺纹连接结构传感器优化布置

传感器布置问题对机械结构的故障诊断和状态识别过程有重要意义。利用模态置信度(MAC)算法解决法兰螺纹连接结构故障检测中传感器优化布置问题。首先建立法兰螺纹连接结构的有限元模型,并对其进行模态分析。充分考虑模态分析结果和法兰结构实验的目的,初步选取传感器布置点用以候选。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,实现了法兰结构传感器的优化与定位。为振动状态中螺纹连接结构的状态识别提供合理的传感器布置方式。     

输电铁塔双轴加速度传感器多目标优化布置*

输电铁塔传感器优化布置有助于采用较少的传感器获得更精确的结构模态信息。建立铁塔顺线路方向和横线路方向上的目标函数,分别为MAC矩阵非主对角元最大值、奇异值比值最大值以及测点模态动能最小值的倒数,将输电铁塔传感器优化布置问题转换为多目标优化Pareto问题,对各目标值进行最小化处理可以获得较优的传感器布置方案。采用结合非支配遗传算法的改进粒子群优化算法对该多目标问题寻优,并与二维有效独立法对比,结果显示本文所提多目标优化兼顾各目标值,可获得较好的布置效果。对一基猫头输电塔进行实测分析,结果表明采用本文方法布置传感器能够获得较好的测量效果。     

大型复杂结构损伤识别两步法研究

基于模型修正技术及模态柔度曲率差方法提出了一种解决大型复杂结构损伤识别问题的两步法。首先运用基于模型修正的损伤识别方法进行模糊识别,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解析模态之间的误差,将损伤识别问题转化为优化问题,并采用信赖域方法求解该优化问题,识别出损伤所属单元组。然后运用模态柔度曲率差方法,对损伤进行精确定位。对某导弹发射台骨架的数值仿真及试验研究结果表明,该损伤识别两步法识别效果较为理想,为解决大型复杂结构的损伤识别问题提供了新思路。     

基于应变模态的模态应变能损伤识别方法

传统模态应变能计算需要完备模态振型信息,而模态振型信息中存在转角自由度难以准确获取的问题,为解决该问题,开展基于应变模态的模态应变能损伤识别研究,实现了结构损伤的定量识别。首先,通过基于应变与位移之间的联系,推导出应变模态与位移模态之间的转换矩阵;其次,利用应变模态代替位移模态计算单元模态应变能,建立基于灵敏度分析的损伤识别方程组;最后,根据奇异值截断法求解该方程组识别结构损伤。以一两端固支梁结构为对象,开展数值仿真和实验研究。结果表明,该方法可以有效识别出结构的损伤位置和损伤程度,相对于基于振型扩充的模态应变能损伤识别方法,具有更好精度和抗噪性能。     

基于柔度派生灵敏度的梁结构损伤识别研究

柔度方法在结构损伤识别中有着广泛的应用,研究三种基于柔度派生灵敏度的结构损伤识别方法,它们分别是:对角线灵敏度、主特征向量灵敏度和单位荷载最不利布置灵敏度。详细推导了三种派生灵敏度的计算公式,并以一个三跨连续梁为例对所提方法进行了比较验证。计算结果表明:当采用前4阶模态数据时,柔度灵敏度方法和主特征向量灵敏度方法都可以较好的识别出结构损伤。当仅采用第一阶模态时,柔度灵敏度方法基本不可用,单位荷载最不利布置灵敏度方法对于识别支座附近单元损伤特别有效,而主特征向量灵敏度方法综合表现最佳。工程实践中应根据具体的工况来选择合适的灵敏度以获得最好的识别结果。     

输电铁塔双轴加速度传感器优化布置

研究输电铁塔结构振动测量用双轴加速度传感器的优化布置问题。以三维模态置信准则(TMAC)为基础,提出一种新的考虑减小冗余度的二维模态置信准则法(RRBMAC法),以实现双轴加速度传感器优化布置,该方法基于改进的二维列主元QR分解获得传感器初始布点,再结合BMAC矩阵非对角元最大值和测点冗余度建立目标函数进行寻优。采用EFI2法和RRBMAC法对钢管塔进行传感器优化布置,采用两个水平方向的模态置信准则和最大奇异值比值对布点方案进行评价,结果显示两种方法的优化效果均首先随传感器数量增加而增强,而后趋于平稳,RRBMAC法较EFI2法能够获得更好的布置效果,且在传感器数目较少的情况下,RRBMAC法即表现出较好的优化能力。另外,采用EFI2法和RRBMAC法对一基格构式输电铁塔进行传感器优化布置,对比分析结果显示RRBMAC法能够获得较好的布置方案。采用优化的传感器布置方式对铁塔进行风振响应实测,并采用NEx T-ERA方法识别铁塔固有频率和阻尼系数,与模态分析结果对比显示NEx T-ERA方法能够提取得到较精确的频率结果。     

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.     

一种钢管焊接结构焊缝损伤识别方法

提出了一种基于模型修正的钢管焊接结构焊缝损伤识别方法.利用从发射台骨架试验模型获取的模态参数,选择识别结果中精度较好的模态参数作为模型修正的基准参数.提出基于柔度的最小二乘目标函数,极小化结构实测模态柔度与分析模态柔度之间的误差,将损伤识别问题转化为二次优化问题,并采用信赖域方法求解该问题.以有限元模型焊接结点单元组弹性模量的降低模拟焊缝损伤,并假定两种损伤工况,通过对发射台骨架模型的数值仿真及试验研究,表明所提出的损伤识别方法识别效果较为理想,为解决这种复杂焊接结构焊缝损伤识别问题提供了新的思路.     

基于广义柔度和附加质量的结构损伤识别研究

通过在结构的某些部位附加已知的集中质量块,测量附加质量后结构振动的低阶模态,把这些新的模态参数及原结构的模态参数联合起来,通过广义柔度灵敏度来建立损伤识别方程求解损伤参数。以一个桁架结构为例对所提的方法进行验证。研究结果表明,仅需要测量原结构和附加质量后结构的第一阶模态信息就可以比较准确地识别出结构的损伤,说明了所提方法的可行性,为解决大型结构的损伤识别问题提供了一条可供参考的途径。     

面向桥梁状态评估的传感器优化配置

以模态置信度矩阵(modal assurance criterion简称MAC)、Fisher信息阵和振型误差为优化准则,采用整数编码遗传算法,探讨了模态挠度法应用中的有限元模型修正和模态挠度计算的传感器优化配置问题。与常用的平分法、有效独立法及基于QR分解的逐步累积法比较,优化配置结果表明,整数编码遗传算法优于上述3种方法。     

基于构型优化的高阶模态微质量传感器灵敏度提升方法

高灵敏度是微质量传感器准确探测细菌、病毒和气体等物质的关键指标。虽然借助微型化的高阶模态梁振动可以有效提升探测灵敏度,但微尺度效应也降低了传感器的抗环境干扰能力。因此,如何在特定尺度约束下提升高阶模态传感器的灵敏度已成为谐振式微传感器设计的前沿问题。本文在研究弹性梁几何构型、压电层尺寸与有效质量分布对振动模态影响关系的基础上,建立了压电驱动多阶梯梁式微质量传感器的灵敏度分析模型,以传感器灵敏度提升最大为目标,建立了高阶振动模态下悬臂梁几何构型优化设计模型,得到了在不同振动模态下具有最高灵敏度的悬臂梁构型,使同尺寸传感器的灵敏度提升了10.0~15.0倍。考虑驱动位置与制造成本约束,设计并研制了具有六阶梯梁结构的高阶模态微质量传感器。实验结果表明,总长度为17.6mm的六阶梯梁微质量传感器的灵敏度为18.8×10~4 Hz/g,考虑制造误差的影响,其二阶模态灵敏度为同尺寸等截面梁传感器的10.0倍,较一阶模态同尺寸传感器灵敏度提升了19.8倍,从而验证了所提出的高阶模态微质量传感器灵敏度提升方法的有效性和可行性。     

基于CMSE理论和遗传算法的结构损伤检测方法研究

提供了一种基于交叉模态应变能(CMSE)的结构损伤位置和严重程度的有效检测方法。传统的模态应变能方法必须比较损伤结构和完好结构的同一阶模态信息,并且要求解析的和测量的模态在尺度上一致或者标准化,而CMSE方法没有这样的限制。在损伤位置的检测上引入了遗传算法,有利于大型复杂结构的损伤位置检测。算例采用了复合材料机翼盒段模型,结果表明,CMSE方法与遗传算法相结合是检测结构损伤的有效方法之一。     

桥梁结构损伤的振动模态检测

首先介绍了桥梁结构损伤检测的振动模态方法的原理及其４ 个要素。总结了用模态参数（固有频率、阻尼比及位移振型）进行损伤检测评估的困难,进而阐述应变模态测量的原理及其用于桥梁结构损伤检测时,相对于位移模态的优势。由于应变模态方法应用于实桥检测受到传统应变测量手段的制约,本文最后提出了一种通过相邻点振动位移的测量,推估桥梁在动载作用下的应力状态,进行实桥损伤检测的途径,并推荐一种新型低频高灵敏度传感器作为位移测量用传感器。     

基于振型多分辨复杂度谱的板结构损伤检测

针对目前基于振型的结构损伤检测方法普遍存在抗噪能力弱、对弱小损伤不敏感等不足,开展了克服这些缺陷的板类结构损伤识别研究。鉴于结构振型中噪声、趋势和损伤信息具有不同的尺度分布特性,基于二维高斯小波变换,提出多尺度振型空间概念,使振型的各成分信息得以独立表达,以凸显损伤信息。通过定义点态复杂度指标,借助滑动窗口法,在多尺度振型空间上形成多分辨复杂度谱。多分辨复杂度谱可使损伤进一步显现,能描述损伤的位置、大小及形状,并能反应损伤程度,实现了在噪声条件下对板类结构轻微损伤的准确表征。基于一实际工程闸门的数值模拟和两个模型试验,验证了所提方法的正确性和有效性。     

Frequency response based sensor placement for the mid-frequency range

Accurately characterizing mid-frequency vibrations is essential for structures that require ultra-quiet vibration environments. Selecting the proper sensor locations is an important step in the model verification and validation process. State-of-the-practice approaches to sensor placement are typically based on modes shapes of the pretest finite element model. However, these modal based techniques break down in the mid-frequency range due to the high modal density. The purpose of this work was to develop a sensor placement technique based directly on a structure's frequency response. The finite element model frequency response can be decomposed into principal directions and their corresponding singular values, which relate the principal directions to the system's energy. A system's response is usually dominated by a relatively small number of principal directions, even for frequency bands with high modal densities. Principal directions are always orthogonal, while mode shapes in general are not, which makes them more robust to modeling errors and experimental noise. The new method places sensors such that the independence and signal strength of the dominant principal directions are maintained.     

拱结构模态测试中传感器优化配置

将有效独立法(EFI)和有效独立-驱动点残值法(EFI-DPR)应用到拱结构的模态分析传感器优化布置中,通过与传统的均分法(ED)进行数值和试验比较,找出传感器优化布置的有效方法和合理方案.首先利用Ansys有限元软件进行拱结构模态分析的数值模拟,分别用3种方法对其进行传感器优化布置;然后分别用均方差最小准则和模态保证准则对其优化结果进行验证和比较,找出最适合的优化方法;最后结合拱结构模态试验,提出了传感器优化布置方案.结果表明,在拱结构模态试验中,ED法具有一定的合理性,但其随机性较大.EFI法克服了这一缺点,且随着传感器数目的改变,其均方差呈规律性变化,为确定传感器优化数目提供了依据,其优化效果优于其他两种方法.