基于模态应变能的桥梁损伤识别

桥梁结构损伤识别是对桥梁结构进行安全性评定的一个重要环节。文中以模态应变能变化率作为损伤定位的判别参数,对桥梁结构的损伤进行定位,以简支梁为数值模拟对象,说明该方法能够比较准确地对结构损伤进行定位识别和损伤程度评估。     

基于模态应变能的梁结构损伤识别

单元模态应变能法诊断结构损伤时理论上需要完整振型,而实测振型往往是不完备的。本文以梁结构为例,基于理论自由度和实测自由度相匹配的原则,对不完备振型信息进行扩充处理,然后再应用模态应变能的方法进行损伤识别。结果表明,当仅测得不完备的振型信息时,单元模态应变能法能很好应用于结构损伤识别,为实际工程的损伤检测提供了依据。     

基于模态应变能的结构损伤识别研究

文中应用有限元分析软件ANSYS10.0建立一个平面刚架结构模型。通过有限元模态分析获得未损伤结构与损伤结构的固有频率和振型。应用单元模态应变能法对模型进行损伤定位。结果证明这种方法对于平面刚架的损伤识别是有效的。     

网架结构损伤定位的虚拟应变能法

提出一种新的虚拟应变能法来定位具有较大识别规模的网架结构损伤.该方法基于结构损伤前后柔度矩阵变化差的奇异值分解,提取最大奇异值对应的右奇异向量,再将该奇异向量作为虚拟荷载作用于结构,从而获得结构损伤前后的虚拟位移差,进而构造各构件的虚拟应变能用于定位结构损伤.虚拟应变能越大的构件,其损伤的可能性越大.某200杆网架的数值分析表明,所提虚拟应变能法比传统损伤定位向量法具有更突出的损伤定位能力,能抵抗较高噪声的干扰,因此在具有较大识别规模的网架结构损伤定位中具有较强的应用潜力.     

模态应变能法结构损伤检测研究

结合摄动理论，通过分析结构参数修改量高阶项的影响，推导了基于单元模态应变能的结构损伤评估方法；经数值仿真结果表明，其损伤定位准确、程度评估可靠，具有实际应用价值。     

基于单元应变模态差的网架结构损伤诊断研究

对具有一定程度损伤的网架结构来说,常规的结构有限元分析或实验模态分析得到的位移模态和频率难以有效地反映结构的损伤状况。为了提高诊断效率与诊断结果的可靠性,根据空间杆系结构的受力特点,利用两节点空间铰接杆单元有限元法,由节点位移模态推导出单元应变模态,提出采用结构损伤前后的单元应变模态差作为网架结构损伤定位的识别指标,并以损伤单元应变模态的差值大小确定损伤程度。通过对一个典型网架结构的数值模拟研究表明:该方法能够在低阶模态条件下,有效识别网架结构不同位置和程度的局部损伤;且在一定噪声水平下具有较强的鲁棒性,适用于实际观测条件下的网架结构损伤定位。     

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.     

基于模态应变能变化率的L形管道损伤识别

为识别L形管道的局部损伤,根据局部结构的振型、刚度矩阵和固有频率,得到管道局部的模态应变能变化率指标,并利用有限元软件ABAQUS模拟不同参数模型,得到低阶模态数据以及管道各单元的模态应变能变化率。模拟结果表明：采用该损伤指标,能够较好地确定L形管道的损伤位置,并且直管单元比弯曲单元对该指标更敏感;对同一单元不同损伤程度的对比,可以反映其损伤程度的大小;对L形管道不同弯曲角度进行模拟,该指标对不同弯曲角度L形管道的损伤识别具有普遍性;对L形管道不同缺陷长度进行模拟,模态应变能变化率指标在缺陷取周向长度的1/32时达到极限。     

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。     

基于应变能均化指标和云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定问题,提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标,并考虑到模态应变能耗散率指标和等效指标之间的互补性质,通过均化方法建立了模态应变能均化指标;给出了云模型的基本理论,分析了云模型的数字特征、云处理算法以及确定度计算方法;结合随机测量噪声等引起的不确定性问题,建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明,应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标,当考虑随机测量噪声时,云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。     

基于神经网络的结构损伤识别综述

简单介绍了神经网络技术及其分类方法,对使用神经网络进行斜拉桥损伤识别的基本流程进行了详细阐述,并分析了输入向量的选择优缺点,以期促进基于神经网络的结构损伤识别技术的推广应用。     

BP神经网络在桥梁结构损伤诊断中的应用

针对桥梁台后结构损伤分别进行了动力计算和静力试验,提出了采用BP神经网络进行结构损伤位置和程度的识别诊断研究,试验结果表明比较准确可信,该方法具有良好的应用前景。     

基于小波包能量和神经网络的柱塞泵故障诊断

针对泵车用柱塞泵常出现的若干故障状态和正常状态,提取泵壳上方的振动加速度信号,利用小波包分解后得到的各频段的能量向量作为特征参数,在Fuzzy ARTMAP神经网络中进行故障分类研究,得到了非常好的诊断准确率,为泵车的远程故障诊断系统的搭建提供了理论依据。     

基于神经网络和柔度曲率的简支梁损伤识别

将神经网络和柔度对角曲率结合起来,得到一套简支梁智能损伤识别方法,对一经典简支梁模型进行了损伤识别,并且在损伤单元数量未知情况下,准确识别出了其损伤位置和损伤程度。     

A deep feed-forward neural network for damage detection in functionally graded carbon nanotube-reinforced composite plates using modal kinetic energy

This paper proposes a new Deep Feed-forward Neural Network (DFNN) approach for damage detection in functionally graded carbon nanotube-reinforced composite (FG-CNTRC) plates. In the proposed approach, the DFNN model is developed based on a data set containing 20 000 samples of damage scenarios, obtained via finite element (FE) simulation, of the FG-CNTRC plates. The elemental modal kinetic energy (MKE) values, calculated from natural frequencies and translational nodal displacements of the structures, are utilized as input of the DFNN model while the damage locations and corresponding severities are considered as output. The state-of-the art Exponential Linear Units (ELU) activation function and the Adamax algorithm are employed to train the DFNN model. Additionally, in order to enhance the performance of the DFNN model, the mini-batch and early-stopping techniques are applied to the training process. A trial-and-error procedure is implemented to determine suitable parameters of the network such as the number of hidden layers and the number of neurons in each layer. The accuracy and capability of the proposed DFNN model are illustrated through two distinct configurations of the CNT-fibers constituting the FG-CNTRC plates including uniform distribution (UD) and functionally graded-V distribution (FG-VD). Furthermore, the performance and stability of the DFNN model with the consideration of noise effects on the input data are also investigated. Obtained results indicate that the proposed DFNN model is able to give sufficiently accurate damage detection outcomes for the FG-CNTRC plates for both cases of noise-free and noise-influenced data.     

大跨度空间网格结构的损伤定位

本文建立了基于模态曲率法和人工神经网络技术相结合的、适用于大跨度空间网格结构的损伤定位新方法,即首先应用模态曲率法判断结构是否发生损伤并识别发生损伤的局部结构,然后对发生损伤的局部结构利用人工神经网络技术识别损伤的准确位置。通过分析和比较发现,以模态曲率为基础的损伤参数比较适合于大跨度空间网格结构的损伤定位,三种以模态曲率为基础的损伤定位参数按有效性进行排序,从低到高依次为模态曲率、模态曲率差、模态曲率变化率;针对天津奥林匹克中心体育场大跨度悬挑管桁结构进行了不同损伤状况的数值模拟,验证了所建立的损伤定位方法的适用性和有效性。研究结果表明:利用模态曲率变化率识别损伤发生的大致位置,当单榀桁架发生损伤时,识别的准确率达到100%,当多榀桁架同时发生损伤时,识别的准确率达93.7%;采用人工神经网络技术识别损伤桁架的准确损伤位置时,在无测量噪声影响下,损伤定位的准确率达到97.0%,且测量噪声对损伤定位准确率的影响很大。