基于应变模态响应重构的损伤识别方法EI北大核心CSCD

土木结构的损伤识别技术对提升结构可靠性与安全性具有重要意义,也是土木结构健康监测研究中的热点问题。现有的损伤识别方法往往需要识别模态参数,或者需要准确获取结构外部载荷信息,极大限制了相关方法在实际工程中的应用。为克服现有方法的局限性,该文将结构动态响应重构方法引入到损伤识别中,提出了基于应变模态响应重构的损伤识别方法。构建结构健康状态的有限元模型,以损伤结构测量的信号输入,通过基于经验模态分解的应变重构方法,可以获取使用无损伤模型的结构全局模态响应。以传感器采集的模态响应和重构模态响应的差异作为有限元模型修正的依据,通过应变模态比值构建的传递率的灵敏度矩阵进行迭代运算,求得损伤位置及损伤程度。该方法无需获取结构的外部激励信息,通过高效的时域应变重构,能够在少量测量信号下实现对结构损伤的精确识别。为验证该方法的准确性和高效性,开展了连续梁单一损伤和多损伤识别研究,探讨了测量噪声和模态阶次选取对识别结果的影响,结果表明,该方法能够准确、高效识别不同程度的损伤,对测量噪声具有较强的鲁棒性。     

混合多稳态随机共振的故障信号检测

针对故障特征信号在诊断时经常淹没在噪声中难以提取问题,利用Woods-Saxon型单稳态模型与混合型双稳态模型结合提出一种混合型三稳态随机共振系统,该系统不仅保留了Woods-Saxon对故障信号易于检测的优点又利用了三稳态对噪声利用率高的特点。利用信噪比增益为衡量指标,提出寻找最优系统参数的自适应算法;对α噪声背景下的谐波振动信号、调幅信号、周期脉冲衰减信号进行检测;提出一种变分模态分解与混合三稳态结合的信号检测方法,并将其应用于实际轴承故障检测;经过仿真实验表明混合型三稳态随机共振模型以及组合模型在故障信号的检测中检测结果清晰可靠、性能优越。     

基于变分模态分解的超声检测信号降噪研究

为解决超声检测信号的降噪问题,该文基于变分模态分解能将信号分解为一系列窄带模式,而高斯噪声则被分解为整个频带内若干个宽带模式,提出一种超声检测信号降噪方法。该方法通过变分模态分解,计算各模态带宽和中心频率,选择信号模态,根据信号模态重构无噪信号4步实现对超声检测信号的降噪;通过仿真实验表明该文方法可以将含噪超声信号分解为信号模态和噪声模态,去除噪声模态后可显著提升信噪比;对信噪比为10 dB的含噪信号经该文方法处理后得到的重构信号和原始无噪信号的均方误差为0.000 7,波形相似系数为0.994 0,重构信噪比为19.237 4 dB。此外,为提高超声信号仿真模型和实际测量到的超声信号的匹配度,该文提出一种改进的超声信号模型。实验表明该模型和实测超声信号更接近,其均方误差为0.008 3,波形相似度为0.973 3。     

应变传递率运行模态分析方法及应用

运行模态分析方法在推导过程中多假设激励为白噪声,造成在应用上有一定的局限性。为解决此问题,提出一种利用应变测量的传递率运行模态分析方法。首先推导应变传递率表达式,利用两种不同载荷情况下的应变传递率函数构造伪频响函数矩阵,采用频域子空间估计方法来识别系统极点,然后使用奇异值分解技术对传递率矩阵分解获得模态振型。采用有限元仿真算例和飞行颤振试验数据对所提方法进行验证,结果表明,在非白噪声激励条件下,该方法仅利用测量的应变响应就可准确识别结构模态参数。     

强噪声背景下滚动轴承微弱故障特征信号的经验模态分解

针对强噪声背景下滚动轴承早期微弱故障信号经验模态分解问题,提出了一种基于级联自适应分段线性随机共振系统降噪的经验模态分解方法。该方法依赖于级联自适应分段线性随机共振系统优良的降噪特性,首先对含噪信号进行降噪处理,然后再进行经验模态分解。通过对轴承故障仿真信号和滚动轴承实验信号的分析,结果表明该方法能有效滤除高频噪声,减少经验模态分解阶数,提高经验模态分解的质量,实现强噪声背景下滚动轴承早期微弱故障特征提取。     

基于应变模态差分原理的直接定位损伤指标法

目前应变类损伤指标大多数只能利用损伤前后的模态参数进行损伤定位，但要得到损伤前的模态数据非常困难，难以在土木工程中推广应用。为此提出了无健康标准下基于损伤应变模态差分原理的直接定位损伤指标法ISMSD（Strain Mode Shape Difference），只需利用损伤后应变模态数据即能定位损伤。推导了损伤应变模态等间距和不等间距差分格式。在综合考虑相邻两有效极值点间有效距离比、有效极值之差绝对值、有效极值绝对最大值的基础上，建立了直接定位损伤指标数学模型。根据理论推导和数值仿真统计分析，提出损伤位置判定准则：若某点的每阶指标值均最大，则该点有损伤；若某点的某阶或多阶指标值越大，则该点损伤可能性越大；对于某阶节点损伤，则可通过其余阶的指标值定位损伤。该指标能正确地判定损伤位置，尤其是损伤量较小情况。     

HHT在爆裂噪声检测中的应用研究

该文应用一种新型的非线性非稳态信号处理方法——希尔伯特黄变换(hibert huang tramsform,HHT)进行逆变器中低频噪声-爆裂噪声的检测与定位,该方法利用经验模态分解(empirical mode decomposition,EMD)将待测信号分解为各基本模态分量(intrinsic mode function,IMF),然后对所得IMF进行自适应阈值去噪。经希尔伯特变换(hilbert transform,HT)后,其瞬时振幅与瞬时频率即可清晰表现出爆裂噪声特点与准确突变位置与时长。通过与小波去噪和小波模极大值去噪检测进行对比分析可得,该方法可以同时从时频两方面对信号进行分析,能够实现对故障信号的准确检测与定位。     

基于EMD处理信号的桥梁颤振导数识别

桥梁风洞试验采集信号都不可避免地被噪声污染,并且具有一定的非平稳性,因此导致桥梁颤振导数识别精度降低.为了提高识别精度,基于经验模态分方法分离信号固有模态函数,消除了高频噪声和低频非平稳趋势项.基于原始采集信号及由经验模态分解处理后的信号采用随机搜索方法识别了苏通大桥节段模型颤振导数,两种情况下的识别结果差异不容忽略.分析结果表明,经验模态分解是提高桥梁颤振导数识别精度的一种行之有效的方法.     

基于振动测试的海洋平台结构无损检测

针对海洋平台等复杂大型土木工程结构物，研究基于振动测试的无损检测方法，提出了一套利用结构单元模态应变能特性的新损伤诊断方法。该方法是将结构单元的模态应变能分解为拉压模态应变能和弯曲模态应变能，并定义了两个损伤诊断指标，即拉压模态应变能变化率(CMSECR)和弯曲模态应变能变化率(FMSECR)。模态应变能是通过结构不完备模态振型和结构刚度矩阵计算出的，因此，可以通过振动测试得到结构单元的两个损伤指标诊断结构的损伤。为了验证本文所提出损伤诊断方法的正确性，利用海洋平台有限元模型数值模拟了三个典型的损伤工况。根据损伤诊断结果，本文所提方法能够得到较满意的诊断精度，具有一定的实际应用价值。     

基于模态应变能耗散率理论的结构损伤识别方法

本提出了基于模态应变能耗散率理论的一种新的结构损伤识别方法。表示结构损伤的损伤变量的概念来自于材料领域，并推广到了构件和结构；在此基础上，结构单元的损伤变量是通过建立模态应变能耗散率和相应的结构损伤前后的应变能变化的关系而获得。该方法所要求的结构损伤前后的振型模态可以是不完备的。对测量噪声的影响具有较强的鲁棒性。最后，通过数值算例的分析结果说明，该方法简便、有效，可定位结构的损伤和识别损伤的程度。     

特大跨缆索桥钢箱梁疲劳应力特性对比性研究

疲劳应力监测是特大跨缆索桥结构健康监测和安全评估的关键环节。研究发现,对于结构健康监测系统采集的海量应变数据,局部时段不能反映出应变的整体特性,且交通载荷和环境载荷在不同类型的大跨缆索桥如斜拉桥和悬索桥结构中产生的响应是不同的。为了对桥梁的实际运营状态和应力水平有总体而全面的认识,需要对采集数据进行统计分析。本文以润扬悬索桥和斜拉桥钢箱梁应变时程数据为基础,分析了半年内两桥疲劳应力谱的特征;拟合了各自的疲劳损伤增量的概率密度函数。研究表明：对半年样本容量的参数估计显示,润扬悬索桥和斜拉桥的相对累积损伤均不拒绝对数正态分布,且前者均值均高于后者。在相同的环境和车辆载荷下,由车辆和变温载荷所引起的总疲劳损伤增量,悬索桥高于斜拉桥,且前者为后者的两倍以上。考虑了噪声影响的应变时程比去除噪声后的应变时程所造成的损伤增量高出一倍。而耦合了引起材料热胀冷缩的温度变形的影响,其应变时程造成的累积损伤增量比不考虑其影响所造成的损伤增量高出30%。因此,需要严格控制随机干扰和温度变形的影响,将真实的动态应变信息加以提取后才能进行大跨缆索桥的疲劳状态评估。     

Evaluation of fiber optic sensors for remote health monitoring of bridge structures

Health monitoring of civil infrastructure systems has recently emerged as a powerful tool for condition assessment of structural performance. With the widespread use of modern telecommunication technologies, structures could be monitored periodically from a central station located several miles away from the field. Sensors are placed at several critical locations along the structure, and send structural information to the central station. This remote capability allows immediate damage detection, so that necessary actions that ensure public safety are taken. The goal of this research work is to evaluate the use of Fiber Optic sensing technology as a tool for structural health monitoring. To perform this task, a case study involving installation of Fiber Optic Sensors on a selected bridge structure during its construction phase was conducted. The bridge is located in the state of Florida, USA and is considered the first smart structure in this state. Static and Dynamic testing of the bridge were performed using loaded SU4 trucks. A 3-dimensional analytical finite element model of the bridge was developed and its results were compared to the test data. The study confirmed the accuracy of the sensors in estimating the bridge behavior under heavy truck loads. In addition, the sensors were connected to a data acquisition system permanently installed on-site. The acquisition system could be accessed through remote communication, which permits the evaluation of the bridge behavior under live traffic loads. Currently, live structural data under traffic loading is being transmitted continuously to the central maintenance office. The study revealed that the proposed health monitoring technology will enable practical, cost-effective, and reliable maintenance of bridge structures.     

中、下承式拱桥健康监测流程研究与实现

根据中、下承式拱桥的结构特点,提出桥梁健康监测流程与健康档案概念,并分析桥梁健康监测健康档案的指标构成和特点。在进行桥梁健康监测时,先建立桥梁的基准模型和健康档案,确定检查对象和观测指标后,根据监测流程进行现场测量,并比较各指标测量值与健康档案中参考值的大小,根据比较结果分析构件的工作状态。以京港澳高速刘江大桥为例,说明中、下承式拱桥的健康状态评估的实现,现场监测结果显示该时间段京港澳高速刘江大桥第4跨健康状况良好。     

基于小波分析的混凝土箱梁桥应变监测数据的超载信息识别

为识别混凝土箱型梁桥的超载信息,从该箱梁桥健康监测系统中提取海量应变数据,根据不同异常事件的特点,对监测数据进行预处理,并确定应变监测信号的构成.利用小波变换识别应变异常信号的突变位置和变化值,并与根据有限元分析得到的梁桥初始应变进行比较,识别出超重车产生的突变信号数量.计算超重引起的突变应变信号的捕获概率,进而估算箱...     

桥梁动力测试信号的自适应分解与重构

针对桥梁结构动力测试信号噪声水平高、难以分离结构有效信号的特点,在总体平均经验模态分解方法和主成分分析的基础上,建立了自适应分解与重构方法。对经验模态分解结果的模态混叠现象进行深入分析,利用白噪声概率密度函数的均匀性对模态混叠模式一进行了改进,基于相关性分析改进了模态混叠模式二,改进后的分解方法在计算效率和分解精度上均有较大提升;随后对所有分解获得的固有模态函数进行多尺度主成分分析,实现降噪和选择并重构测试信号。分别用模拟信号和实际桥梁测试信号对所提方法的有效性进行了验证。结果表明:改进后的信号自适应分解和重构方法能在降噪的同时,有效地提取桥梁结构信息,可用于实际桥梁结构的动力测试分析中。     

基于小波分析的桥梁健康监测方法

通过分析桥梁健康监测中的几个关键性问题,阐述了测试数据分析处理的重要性。针对小波分析技术在信号处理和数据分析领域的优势,举例说明了小波分析在桥梁健康监测中的应用,包括可实现结构振动测试数据的信号去噪、信号检测、特征提取和数据压缩,显示出以小波分析为工具能非常有效地完成桥梁结构健康监测中的特定目标。并基于小波分析提出了结构损伤识别四阶段方法,可分阶段实现大型桥梁健康监测中的损伤预警、确认、定位及定量。较全面地展示了小波分析在桥梁健康监测中的广泛应用前景。     

基于逆有限元法的形状还原传感阵列及桥梁挠度监测试验

桥梁挠度是桥梁工程从设计阶段到运维阶段的重要控制指标,对其进行实时监测对桥梁工程的性能评估至关重要。该文提出一种形状还原传感阵列,该传感阵列基于逆有限元方法,仅通过有限点的实测应变数据即可实时、准确地还原出桥梁挠曲线。详细阐述了逆有限元法基本原理与形状还原传感阵列装置,将该项技术应用于混凝土自锚式悬索桥梁模型进行挠度监测试验研究,分别对桥梁模型进行静态加载与动态加载,通过水准仪与激光位移计对还原得到的挠曲线形状与精度进行验证。结果表明:形状还原传感阵列对于桥梁挠度的监测具有易于安装、数据准确、实时性好的优点,不仅可以准确还原出桥梁挠度,而且可以实时反演出桥梁挠曲线形状,能够有效地评估桥梁工程性能质量。     

桥梁结构动应变监测的温度效应实时分离与动荷载识别

应变指标是对桥梁结构进行健康监测和状态评估的一项主要内容。但在实际工程中,应变监测值往往受到温度效应的极大影响,使得由动荷载引起的应变监测值湮没在温度效应中,同时导致监测系统中预先设置的固定预警指标无法实现有效预警。该文以合肥某斜拉桥的动应变及温度监测数据为实际工程背景,研究了一种从应变监测值中实时分离温度效应的工程方法。首先对斜拉桥主梁的温度监测数据分布情况进行了分析,提出了桥梁监测中的温度传感器布点建议;之后通过对实测应变监测数据的分析,提出采用时变的平均值法得到温度效应时程曲线,并将其应用于桥梁在线监测系统中监测数据的实时温度修正和动态预警阈值的设置。最后,以经该方法处理后的应变监测值为基础进行了动荷载识别。     

Tracking Control of a Nanopositioner Using Complementary Sensors

Piezoelectric tube actuators are widely used in atomic force and scanning tunneling microscopy (STM) for nanoscale positioning. There has been a consistent effort to increase the scan speed of these actuators using feedback control techniques. A feedback controller requires a measurement of the scanner's deflection, which is often provided by a capacitive sensor. Such measurements are corrupted by sensor noise, typically in the order of 20 pm/ radicHz rms. Over a bandwidth of 10 kHz, this translates into an rms noise of 2 nm, clearly inadequate for applications that require subnanometer positioning accuracy, e.g., STM. In this paper, we illustrate how the strain voltage induced in a free electrode of the scanner can be used as an additional displacement signal. The noise level corresponding to the strain signal is about three orders of magnitude less than that of a capacitive sensor, making it an ideal choice for nanopositioning applications. However, it cannot be used for dc and low-frequency measurements. A two-sensor-based controller is designed to use the capacitive sensor signal at low frequencies, and the strain displacement signal at high frequencies. By limiting the capacitive sensor feedback loop bandwidth to less than 100 Hz, the rms value of the noise is reduced to well below 1 nm. For almost the same noise level, the two-sensor-based control structure achieves a closed-loop bandwidth of more than three times that of the single-sensor-based controller.