基于LMD样本熵和RBF网络的结构损伤识别研究

基于局部均值分解的自适应时频分析特性和样本熵的非线性量化能力,结合径向基(RBF)函数神经网络,提出一种基于LMD样本熵和径向基函数神经网络的结构损伤识别方法。首先,应用局部均值分解方法将结构振动原始信号自适应分解为若干乘积函数分量(PF分量);然后提取前3个PF分量的样本熵,实现对PF分量的特征量化;最后将分量的样本熵作为损伤特征向量,利用径向基神经网络对高速列车比例车体下底板进行识别。实验结果证明,采用该方法识别结构损伤时,结构损伤位置和损伤程度的识别精度分别为96.97%和96.25%,证明了此方法在结构损伤诊断方面的有效性和准确性。     

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.     

模态试验:理论和实践(连载4)

要用实验获得系统的数学模型,主要工作是由实测数据按照频响函数(FRF)的理论表达式进行曲线拟合。本章讨论其中的某些方法,并说明它们的优点及其局限性。在讨论分析或识别法的叙述时,我们将首先讨论单模态FRF曲线的拟合,然后讨论包含几个共振点的全频响函数曲线拟合,最后讨论在同一结构上,由许多FRF曲线构成的频响函数组的拟合。上述这三种方法的任务,基本上是相同的,即求频响函数理论表达式中的系数,使理论与测量数据间符合得最好。为了达到这个目的,采用FRF的级数型式有其独特的优点,     

基于互相关函数幅值和SVM的输电塔损伤识别

针对目前输电塔结构损伤识别中需要布设大量传感器的问题,提出了基于互相关函数幅值和支持向量机(support vector machine,简称SVM)的损伤识别方法。首先,定义初始与当前状态结构模态响应近似信号的互相关函数幅值差为损伤特征;其次,将损伤特征作为输入样本来训练支持向量机分类器,将损伤识别问题转化为模式分类问题;最后,利用2层角钢塔模型的振动试验,验证了方法的可行性。该方法仅需要少量传感器测得结构的动力响应,且适用于环境荷载激励,对输电塔结构损伤有较好的识别效果和噪声鲁棒性。     

基于振动传递率函数和奇异值熵的结构损伤检测方法

为了直接通过结构振动响应提取损伤特征,对激励未知情况下的结构损伤进行检测,提出了基于振动传递率函数和奇异值熵的损伤检测方法。该方法首先通过振动响应获得振动传递率函数,然后对振动传递率函数序列进行相空间重构,求取其奇异值熵,通过奇异值熵的大小来识别损伤模式。实验结果表明,该方法能有效地识别结构的损伤模式。     

基于PSO-FC优化KPCA的特征提取及行星齿轮磨损损伤程度识别

行星齿轮传动系统发生故障时,其信号传递中相互耦合,呈现非线性的特性,使得行星齿轮的故障类型及损伤程度难以识别。借鉴模式识别中Fisher准则(FC)判别函数,构建核函数尺度参数优化的数学模型,应用改进的粒子群优化方法对其寻优,充分改善核主元分析法(KPCA)对于非线性问题的分析性能,将其应用于行星齿轮的磨损损伤程度的识别和诊断中。实例分析结果表明,基于PSO-FC智能优化后的KPCA改善了特征空间内数据分布结构,在行星齿轮的磨损损伤程度识别中取得了较好的尺度聚类效果,可以有效地解决复杂机械传动中损伤边界模糊、损伤程度难以识别的问题。     

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。     

无人机结构小损伤程度识别研究

小型无人机结构的局部小损伤识别对于其及时检修有重要意义。针对当前仅能获得有限试验样本而造成识别精度不高的问题,提出了一种将小波能量谱和支持向量机(SVM)相结合的新方法,对无人机结构进行局部小损伤程度识别研究。利用ANSYS软件构建无损和有损仿真模型,于不同损伤工况下对其进行瞬态分析并将响应用小波包分解,在SVM良好小样本泛化能力基础上建立了准确的损伤识别学习机,并通过网格寻优对参数进行优化处理,最后得出识别结果。为了验证识别结果的可信性,同时取用另一组核函数和BP神经网络方法进行对比试验。结果表明,小样本条件下,用小波包能量谱和SVM结合来识别无人机的小损伤程度的方法是可靠有效的。     

频率响应函数估计的进展

本文阐述了经典的和近年来提出的几种单输入单输出及多输入多输出频率响应函数(FRF)估计方法,从统一的最小二乘估计及范数的意义出发,归纳和分析了分别基于输入噪声、输出噪声和输入输出噪声的H_1、H_2、H_3、H_4、H_v、H~c 及H_T等主要FRF估计方法的特点和内在联系,并对它们的估计性能进行了比较。介绍了总体最小二乘频率响应函数估计方法。     

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。     

改进粒子群优化的LSSVM结构损伤评定

为改善结构动力损伤的识别效果,提出了刚度变化指标构架下改进粒子群算法优化的最小二乘支持向量机的结构损伤评估方法。首先,通过由试验技术修正的有限元模型来计算刚度变化指标(stiffness variation index,简称SVI),并进行损伤定位;然后,在SVI基础上,利用改进粒子群算法优化最小二乘支持向量机的超参数,建立结构损伤评估优化模型,计算损伤大小。将该方法用于起重机主梁的损伤评定,研究结果表明,该方法具有较高的精度和效率,能准确地判断结构的实际性态,是一种有效的评估手段。     

Shape identification problems on detecting of defects in a solid body using inverse heat conduction approach

In this paper, a new shape identification method in the inverse heat conduction problem (IHCP) is applied to detect the location and size of defects in a solid body. Different defects are modeled in a solid body as an elliptical geometry whose parameters are estimated with a proposed inverse algorithm. The inverse algorithm consists of direct, inverse analysis, and gradient-based optimization method. The direct analysis is used a finite-element method in an unstructured grid system to solve the direct heat conduction problem. The inverse analysis is based on recording temperatures data on surface of solid body that calculates the objective function. The employed gradient-based optimization method is constructed using the adjoint, sensitivity, and conjugate gradient method (Powell-Beal’s version) that are used to calculate the gradient of objective function, step size, and minimizing the objective function, respectively. The effects of different noisy temperature data, different cavities on some domains, and different type of defects such as poor cure, porosity, and crack are investigated in this work. The results show that this proposed inverse algorithm is more efficient in detection of defects.     

基于自适应技术的结构参数与输入同步反演

发展一种基于遗传优化算法的自适应追踪技术,结合输入未知条件下的二次误差平方和方法,利用事件中的加速度响应数据实现结构参数与输入的同步反演,判断并追踪结构损伤,包括损伤发生的时间、位置和程度。三自由度迟滞非线性系统数值仿真结果表明,该方法能够精确有效地追踪结构参数的变化,并同步反演结构的未知输入。此外,对三自由度基础隔振结构模型进行了多工况实验研究。结果表明,所发展方法能够实时有效地追踪结构时变物理参数、反演结构未知基底激励,进而精准地获取结构的损伤信息。     

基于PCA-PDBNs的故障检测与自学习辨识

如何提高工业过程故障识别的准确性及其算法训练的效率一直是故障检测与辨识研究领域的重点和热点。将深度学习方法引入该领域,结合粒子群优化(PSO)算法和深度信念网络(DBNs),提出了一种基于PSO的DBNs辨识方法(即PSODBNs,PDBNs),使用该方法对复杂函数的拟合进行了数值仿真。实验结果表明,相比于基本的DBNs模型,经PSO算法对网络参数优化后的DBNs模型获得了更好的函数逼近效果,具有更高的辨识精度。为验证该方法在实际工业过程故障检测中的可行性,结合主元分析(PCA),提出了一种PCA-PDBNs模型,并将此应用于田纳西-伊斯曼(TE)过程的故障检测中,结果表明,基于PCA-PDBNs方法降低了故障检测模型的复杂度,进一步提高了对未知故障类型的辨识精度,取得了较好效果。     

Recursive subspace identification for on-line tracking of structural modal parameter

The objective of this paper is to develop an on-line tracking of system parameter estimation and damage detection techniques using response measurements. To avoid the singular-value-decomposition in data Hankel matrix, a new subspace identification algorithm was developed. Seismic response data of a 3-story steel frame with abrupt change of inter-story stiffness from the shaking table test was used to verify the proposed recursive subspace identification (RSI) method by using both input and output measurements. With the implementation of forgetting factor in RSI method the ability of on-line damage detection of the abrupt change of structural stiffness can be enhanced. Then, the recursive stochastic subspace identification (RSSI) algorithm is also developed for continuous structural health monitor of structure by using the output-only measurements. Verification of the proposed RSSI method by using the white noise response data of a 2-story reinforced concrete frame from its low level white noise excitation was used. Discussion of the subspace identification model parameters is also investigated.     

管道损伤磁梯度共振稀疏分解与BMSR辨识方法

为更好地提取埋地钢质管道地磁环境下由应力集中产生的磁力信号,克服现有磁力检测缺乏有效高灵敏度多元探头阵列和信号处理技术的问题,提出一种磁梯度张量共振稀疏分解结合偏置单稳随机共振(bias monostable stochastic resonance,简称BMSR)的辨识方法对管道损伤进行有效评估。首先,探头布置采用十字张量阵列形式;其次,针对管道缺陷和现场干扰信号特点,用不同品质因子对信号进行共振稀疏分解,剔除掉一部分干扰信号;最后,加入不同时域恢复的随机共振系统结合量子遗传算法进行参数寻优。将该辨识方法用于实际站场管道张量检测信号,比较传统低通滤波、不同随机共振系统结合共振稀疏分解的处理结果,验证了磁梯度张量共振稀疏分解加偏置单稳处理算法在提取管道损伤磁场和表征管道应力集中的有效性。     

基于模态参数提取的随机子空间辨识算法改进

随机子空间辨识(SSI)算法在大型结构的振动检测、损伤识别中有着重要的作用。引入稀疏优化取代最小二乘法来获得尽可能稀疏的状态矩阵,引入Kmeans算法从众多模态参数中选出真实模态,以避免虚假模态的产生。实验结果表明,所构建的稀疏改进SSI算法能准确提取模态参数,对工程应用具有较大的参考价值。     

基于遗传算法的海洋平台损伤诊断

海洋平台结构在环境因素下可能出现局部破损,提出一种快速诊断结构损伤的损伤探测方法,而遗传算法因其方法简单及较强的鲁棒性成为近年来发展较快的一种全局优化方法。以海洋平台实测的固有频率和振型为诊断依据,将海洋结构的损伤诊断归结为优化问题,采用遗传算法进行优化搜索。考虑到平台结构刚度的方向性,针对测量噪声和海洋平台模态的特点,提出了一种修正的目标函数作为遗传算法进行损伤诊断的适应度函数。数值模拟和物理模型试验结果表明,该方法能够准确地诊断出导管架海洋平台结构的损伤,改进了进化搜索的鲁棒性,提高了海洋平台结构损伤诊断的可靠性。     

基于应变模态和信赖域优化的结构损伤识别方法

将应变模态与信赖域优化算法相结合,提出了基于应变模态的最小二乘目标函数,将损伤识别问题转化为二次优化问题。由于传统的应变模态差既包含损伤位置信息,又包含损伤程度信息,对其进行目标函数最小化时容易产生误判,因此对应变模态目标函数进行了改进,改进后的优化分两步进行,实现了损伤识别的先定位、后定量。最后,通过两个数值算例对该方法进行了验证,结果表明改进方法的识别效果更为理想,为应变模态法在实际工程中的应用提供了新思路。