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...     

超声激励-光纤光栅传感的板结构损伤识别

为实现利用光纤光栅代替压电陶瓷进行固体中超声波信号的检测和结构损伤的识别,搭建了超声激励-光纤光栅检测系统.系统采用超声波探伤仪激励超声探头从而在薄板中产生超声波,利用粘贴型光纤光栅对超声波进行测量,用基于可调激光光源的解调系统实现光纤光栅中心波长的解调.分析了该检测系统的工作原理,理论推导了其输出电压与所测超声应变的关系式.在此基础上,首先,将该装置用于5052铝合金板中超声波声轴线声强分布特征的研究,验证了该装置用于板中超声波信号测量的可行性;然后,利用该装置分别进行5052铝合金板中2处直径为6 mm的孔缺陷的检测,实验证明,当板中出现孔缺陷时,光纤光栅所测波形中将出现新的波包,可通过损伤前后新增波包到来的时刻确定孔的位置,两孔的缺陷定位偏差分别为3.3 mm和0.8 mm.     

基于自适应粒子滤波的结构损伤识别

为了解决传统粒子滤波方法粒子数量的选取较难确定的问题,提出一种非平稳动力系统突变参数识别的自适应粒子滤波方法(简称APF方法).该方法利用系统后验概率密度与当前粒子集概率密度的K-L距离,自适应地更新采样粒子数量,在大幅降低识别过程中计算量的同时,不影响识别精度,使之更适合进行在线的结构系统参数识别.数值仿真结果发现,该方法的系统识别时间仅为传统粒子滤波方法的1/4,这证明了该方法在结构损伤在线识别中的有效性.     

基于随机森林的建筑结构损伤识别方法

针对利用分类器对建筑结构进行损伤识别的问题,引入一种新的组合分类器算法——随机森林,提出基于小波包分解和随机森林的结构损伤识别方法。首先,采用小波包对结构在不同损伤程度和位置上的振动加速度信号进行分解,得到各个频带上的总能量;然后,利用各频带上能量值存在着差异性作为输入到分类器的特征向量;最后,训练随机森林模型并对建筑结构的损伤位置和损伤程度进行识别。应用该方法对一座8层剪切型钢框架结构进行损伤判别,并与BP神经网络和支持向量机方法进行对比,结果表明该方法具有较好的识别精度与稳定性。     

环境激励下桥梁结构信号分解与模态参数识别

为实现环境激励下桥梁结构信号分解与模态参数识别的一体化,首先,针对现有集合经验模态分解算法存在的端点效应和有效本征模态函数筛选难的问题,通过引入镜像延拓算法和支持向量回归机算法来抑制端点效应,并根据互相关系数和能量系数建立筛选有效本征模态函数的新指标——有效系数;其次,根据桥梁结构真实模态存在的一般规律提出了用于智能化辨识稳定图中真实模态的算法;最后,通过某大型斜拉桥振动台试验来验证所提算法的可行性。结果表明,所提算法不仅能实现桥梁结构响应信号的自适应分解和重构,还能实现稳定图中真实模态的智能化筛选,即实现桥梁结构模态参数的智能化识别,且识别结果具有可靠性。     

基于机匣加速度信号的航空发动机转静碰摩部位识别

提出了基于机匣加速度信号的航空发动机转静碰摩部位识别方法。利用航空发动机转子试验器模拟了大量不同部位的碰摩,将小波局部极大模归一化能量与直接提取的机匣加速度信号归一化均方值输入至支持向量机中,以进行识别验证及对比分析。结果表明,小波局部极大模方法提取的归一化能量特征比直接提取的加速度信号均方值能更加有效地进行转静碰摩部位的识别。     

结构损伤识别的现状和发展

总结和回顾目前关于结构振动损伤识别的研究方法、现状和进展,基于结构动态振动响应和系统动态特征参数进 行损伤识别的方法,介绍智能损伤诊断方法的原理及在结构损伤识别中的应用前景,提出了结构损伤识别的发展趋势。     

考虑重力影响的索结构损伤行波识别法

因索中某几股断裂而导致索等效截面减小是索结构常见的损伤模式。文中分析此损伤模式下索受扰动后的行波响应，提出重力场中索结构损伤的行波识别法。该方法由索上一点的实测响应数据，根据入射波和反射波到达该点的时间确定损伤位置，根据入射波和反射波的信号能量比及能量的时域分布确定损伤程度和损伤段宽度。为适应现场有噪声测试数据的影响，应用多分辨率分析理论，以Daubechies小波分解行波响应信号，对信号去噪并作出白噪声情况下损伤识别方法的误差估计。仿真结果表明，该方法可采用噪声污染响应信号对重力场中索结构的损伤进行准确的估计，适合小损伤情况下索结构的损伤识别。     

基于声音信号的结构损伤识别方法

随着对设备可靠性要求的提高,在生产过程中需要对关键设备的重要零部件在主要工序之后全部进行结构损伤检测,在服役过程中需要对关键设备重要零部件定期在线进行无损检测。为了克服现有的结构损伤检测方法的不足,满足工程实际的迫切需要,利用基于声音信号的结构损伤检测具有非接触测量、高效、可在线检测等优点,构建了一种基于声音信号的结构损伤识别模型。该模型的核心包括信号降噪、特征提取、基于距离评估的损伤敏感特征选择以及基于支持向量机的状态识别。将该模型应用于实验悬臂梁和铁路转辙机动作杆的裂纹损伤识别,结果表明,识别准确率均为100%,且识别过程仅需几秒,验证了该模型的有效性和可行性     

基于改进蝴蝶优化算法的结构损伤识别

针对传统的蝴蝶优化算法（butterfly optimization algorithm,简称BOA）全局搜索能力差、收敛速度慢、结构频率对损伤不敏感等问题,提出基于改进蝴蝶优化算法（improved butterfly optimization algorithm,简称IBOA）与小波包能量曲率的结构损伤识别方法。首先,在传统蝴蝶优化算法基础上引入聚类竞争学习机制和混沌精英学习机制,得到改进蝴蝶优化算法,此算法可以更好地实现局部搜索和全局搜索间的平衡,收敛速度更快、计算精度更高;其次,利用小波包能量曲率建立目标函数进一步提高识别结果精度;最后,分别以简支梁数值算例和8自由度弹簧-质量块实验验证了该方法的有效性。研究结果表明,即使考虑环境噪声和模型误差等不利因素,所提出的方法仍可以有效识别结构的损伤位置和程度。     

输入输出信息有限观测下的结构损伤诊断

为解决工程结构中外激励和响应信息有限观测情况下的结构损伤诊断问题,提出依次使用扩展卡尔曼估计算法和最小二乘算法,分别识别结构参数和未知外激励,推导出相应的递推解析解。所提方法与经典卡尔曼滤波算法相比,可用于荷载未知情况。通过追踪结构内单元的刚度变化,对结构损伤进行诊断。分别通过一个小型平面桁架、一个简支梁的损伤诊断数值算例和一个8层剪切钢框架的损伤识别试验,验证了该方法的可行性和有效性。     

结构损伤的分形神经网络检测方法

利用神经网络具有强大的非线性并行处理能力以及分形几何方法不依赖于系统的数学模型的特点,将分形维数与神经网络相结合,建立了结构损伤的分形神经网络检测方法。研究结果表明,结构不同状态下的振动信号的分形维数有明显的不同,可以将分形维数作为结构损伤检测的特征量,并用神经网络将结构的不同状态模式识别出来。     

自适应概率神经网络结构损伤检测

由于用人工神经网络进行结构损伤检测会受到环境噪声的影响，故提出了运用概率神经网络（PNN）进行结构损伤检测的方法和基本原理，并通过一个两层框架的模型对PNN和传统的BP网络的损伤识别精度作了对比。针对基本PNN的不足之处，提出了自适应PNN，并将其损伤识别精度与基本的PNN进行比较。研究发现，运用PNN进行结构损伤识别精度要优于传统的BP网络，而且自适应PNN要比基本的PNN精度高。     

基于模态分析的钢结构损伤识别方法研究

对钢结构损伤的准确识别是确保钢结构安全可靠的重要保证。本文提出了一种利用动力试验检测钢结构破损的方法。通过建立钢梁的有限元模型计算正常情况下梁的动力特性,利用现场采集试验数据、模态分析技术获得损坏梁的自振特性。将无损模型分段计算出自振特性,利用特征比的比较确定损伤位置。经实例分析证明该方法准确、简便、适用,提高了钢结构损伤识别的效率和精度。     

环境激励下检测结构损伤的柔度灵敏度方法

提出了一种利用环境激励下的模态数据检测结构损伤的柔度灵敏度方法,该方法是柔度灵敏度方法的一种推广.对于环境激励下所得的不归一化的振型,引入振型归一化系数,并把这些系数作为新的未知量,通过对柔度灵敏度方程作适当的变形,并利用矩阵的拉直运算和广义逆,把各单元的损伤参数和各振型归一化系数一并予以求解.所提方法不仅能够识别出结构的损伤状况,还能获得各振型归一化系数,且理论简单,易于计算机编程实现.以某个2层的框架结构为例对所提方法进行了验证,结果表明,采用环境激励下的模态数据,能够较好地识别出结构损伤,且能得到比较精确的振型归一化系数.     

频响函数在结构损伤检测中应用的试验研究

结构动力测试中,频响函数可直接测得,不仅避免了在模态提取时的误差,而且在相同频段上可提供更多结构损伤信息,因此可方便地应用于结构损伤的检测中。对于结构基础的随机激励,试验结果表明频响函数法可有效地检测结构的损伤。同时说明传感器布置在结构的不同位置都可检测结构的损伤。并且随机振动的大小不影响结构损伤检测的效果。为频响函数法在现场实测结构的损伤提供了依据。     

基于点集优化和干扰点模糊化的车道线识别

提出了一种抗干扰车道线识别方法，通过对车道线点集的优化，能够去除道路上行驶的其他车辆造成的干扰。优化过程主要包括点集元素的预挑选、干扰点的去除以及有效点的补充。在干扰点去除的过程中，针对车辆边界很难精确定位的问题，对干扰点集进行了模糊化处理，引入隶属度函数对点集中元素的干扰程度进行描述。多工况试验证明，车道线识别方法能够稳定地对车道线进行识别，准确地提取车道线参数，并且算法体现出了对车辆干扰的良好抵抗能力。     

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。     

Structural Damage Detection Method Based on Decomposition of the Operating Deflection Shapes

Full-field measurement techniques such as the scanning laser Doppler vibrometer (LDV) and the electronic speckle pattern interferometry systems can provide a dense and accurate vibration measurement on structural operating deflection shape (ODS) on a relatively short period of time.The possibility of structural damage detection and localization using the ODS looks likely more attractive than when using traditional measurement techniques which address only a small number of discrete points.This paper discusses the decomposition method of the structural ODSs in the time history using principal component analysis to provide a novel approach to the structural health monitoring and damage detection.The damage indicator is proposed through comparison of structural singular vectors of the ODS variation matrixes between the healthy and damaged stages.A plate piece with a fix-free configuration is used as an example to demonstrate the effectiveness of the damage detection and localization using the proposed method.The simulation results show that:(1) the dominated principal components and the corresponding singular vectors obtained from the decomposition of the structural ODSs maintain most of all vibration information of the plate,especially in the case of harmonic force excitations that the 1st principal component and its vectors mostly dominated in the system;(2) the damage indicator can apparently flag out the damage localization in the case of the different sinusoidal excitation frequencies that may not be close to any of structural natural frequencies.The successful simulation indicates that the proposed method for structural damage detection is novel and robust.It also indicates the potentially practical applications in industries.