基于遗传算法的结构损伤识别及其程序设计

遗传算法具有较强的全局寻优能力和鲁棒性,应用于土木工程结构监测与检测评估的损伤识别中.为了使该方法进一步实用化,将通用的大型有限元软件ANSYS应用到遗传算法的适值计算之中,综合运用Visual C和Matlab混合编程以及基于APDL的ANSYS二次开发技术编制能应用于大型工程结构优化和损伤识别的通用程序,用户能够根据工程经验和参数分析的结果选择最有效的遗传算子和参数.仿真算例证明遗传算法的损伤识别能力和本文程序的实用性与通用性.     

基于柔度曲率矩阵的结构损伤识别法

基于损伤结构模态的柔度矩阵,应用差分方法计算柔度曲率矩阵,从中找到各列最大值,作为检测结构损伤指(?)的新方法.该方法无需原始结构的信息,只需损伤结构少数低阶的模态参数就可以进行悬臂梁、固端梁、简支梁以及连续梁等多种结构形式的损伤识别,既能识别单个损伤的存在,也能识别多个损伤的位置,该方法定位准确、适用面广、识别精度高、能定性反映损伤程度.     

采用有效信号段自提取算法识别结构多损伤位置

为识别结构中的多处损伤,提出了一种采用有效Lamb波信号段自提取算法计算结构损伤指标的多损伤识别成像方法.该方法将结构的待检测区域划分为数个子区域,并根据Lamb波的传播时间和波速从传感器接收到的信号中自动提取出包含结构信息的有效信号.以该有效信号作为输入,计算每个子区域中基于信号相关系数所获得的损伤指标,最后采用RAPID算法对全部识别区域内的损伤位置进行识别和成像.以航空铝板为研究对象进行了实验验证研究,结果表明,该方法能快速有效地识别出多个损伤,并较为准确地实现损伤成像以描述损伤的位置.     

采用主成分分析与最邻近法的复合材料板损伤检测实验

文章采用主成分分析结合最邻近法对复合材料板进行了损伤检测实验。首先在正弦扫频激励下,通过测试获得复合材料板在各种损伤工况下的频响函数;然后选取若干种损伤工况的频响函数,经过主成分分析法处理后,提取出各个频响函数携带结构健康状态信息最多的前若干阶主成分,组成最邻近法的样本集;最后采用最邻近法来识别被检测结构频响函数所代表的结构健康状态。该方法的优点是直接利用测试得到的频响函数进行损伤检测,避免了识别结构模态参数所带来的误差,检测过程简单。通过对复合材料板结构不同位置和不同程度损伤的检测实验,验证了该方法用于复合材料层合结构损伤检测的可行性和有效性。     

基于子结构的隐蔽损伤识别方法研究

针对隐蔽结构损伤识别存在精度和效率较低的问题,探索性地应用子结构法对结构的隐蔽损伤进行研究,建立了基于子结构的隐蔽损伤识别方法.该方法在采集可测部位结构的振动信号的基础上,利用扩展卡尔曼滤波技术对隐蔽结构的时变参数进行识别,进而判定隐蔽结构的损伤位置和损伤程度.该识别方法首先建立识别计算模型,划分子结构;其次应用扩展卡尔曼滤波构建隐蔽结构损伤识别的识别方程;最后应用识别方程对隐蔽结构的损伤进行识别.该方法为难以直接测量的特种部位损伤识别提供了理论基础,并为隐蔽结构的损伤识别提供了新的途径.     

基于小波包分解的数据融合损伤识别方法

目的为了充分利用来自多传感器的冗余、带噪声数据，提高结构损伤识别的精度．方法利用小波包良好的时一频特性，首先用小波包分解对结构响应进行处理．提取信号的不同特征参数，然后利用不同的特征向量对结构分别进行损伤识别，最后应用融合技术对不同的识别结果进行融合处理．并用一个七层钢结构框架的多损伤识别验证了该方法的有效性．结果结果表明，该方法能够极大地提高了结构损伤识别精度．结论运用小波包分析提取信号的特征参数与数据融合技术进行损伤识别．并使二者有机的结合是结构健康监测与检测的有效途径与发展趋势．     

夹芯复合材料损伤分析方法研究

为了实现夹芯波纹板在加工和服役过程中由于冲击载荷、疲劳等产生的脱焊损伤缺陷无损伤检测,本文提出一种对损伤进行定量识别的检测方法,基于动态响应参数对夹芯波纹板结构开展损伤分析方法研究。根据固有频率、模态振型、振型曲率、模态应变能等参数理论,建立夹芯波纹板有限元模型,基于动态响应参数开发曲面光滑算法、曲率模态变化率法和二维连续小波变换法对结构脱焊损伤进行识别;然后对该模型进行模态分析,获取损伤夹芯波纹板模态振型,使用中心差分法求取模态振型曲率,将模态振型曲率作为损伤敏感参数,通过提出的损伤检测方法对该敏感参数进行处理,分别建立损伤识别指标,对损伤的位置、数量进行识别,并对各方法损伤识别结果进行对比分析。结果表明,曲率模态变化率法和二维连续小波变换法可有效识别出损伤的位置和数量,且曲率模态变化率法的损伤识别指标更显著,损伤识别效果最好。但在预设一处损伤的情况下,曲面光滑算法还需进一步研究和验证。     

基于双参数的结构损伤两阶段检测方法研究

研究两阶段结构损伤检测方法，建立结构有限元模型，计算曲率模态指标，并根据该指标进行损伤定位。然后计算可能损伤分段每个单元的模态矩参数，估计出损伤分段的损伤程度。对以上2个损伤识别参数进行参数分析．将分析结论用于典型损伤工况的识别并取得成功。文中方法可以确定结构损伤位置，同时针对具体损伤位置给出大致的损伤系数估计值。     

基于BP神经网络的结构损伤识别方法研究

分析了神经网络技术在工程结构损伤检测中的应用原理,通过理论分析,得出了结构损伤前后的固有频率的变化规律,并且该变化规律包含了结构损伤位置程度的信息。通过对悬臂板结构进行数值模拟试验,采取固有频率作为神经网络的输入参数,构造改进型BP神经网络结构,应用训练后的神经网络对悬臂板结构进行损伤识别。结果表明,该方法在工程结构的损伤检测中有较好的应用价值。     

基于位移时程的框架模型结构参数与损伤识别

本文提出了一种直接运用结构的振动位移响应时程的基于神经网络的结构物理参数和损伤识别的一般方法,该方法通过一个神经网络模拟器和一个参数评估用神经网络实现。在对该方法的理论基础进行论证的基础上,针对一个受基底激励的两层框架模型结构,运用由激光位移传感器所测量的结构位移响应时程,将该方法用于该结构的层间刚度识别和损伤结构的损伤识别。结果表明,神经网络模拟器能够准确地预测参考结构在基底激励下的位移响应,而参数评估用神经网络可以很好地识别出结构刚度参数,并反映出结构损伤的发生。本方法具有一般性,为实际工程结构的参数识别和模型修正提供了一种可行途径。     

利用模态应变能指标的斜拉桥拉索损伤识别

由于拉索是大跨度斜拉桥的主要承重构件之一,拉索中的损伤对于大跨度斜拉桥结构的安全会产生不利的影响.为实现对斜拉桥拉索损伤识别确保结构的安全,首先给出单元模态应变能定义,然后分析了基于单元模态应变能的损伤识别机理,提出了基于单元模态应变能变化率斜拉桥拉索损伤识别的实用方法,并以国内某重点斜拉桥为试验对象模拟3种不同的损伤工况情况,研究该方法的适用性.试验研究结果表明,单元模态应变能变化率指标是斜拉桥拉索损伤很好的敏感标识量,对单位置拉索损伤能够准确地给予识别,对于多位置拉索损伤识别,指标也能给予较好识别效果.该方法为斜拉桥拉索损伤检测提供了一条可靠有效的途径.     

一种两阶段结构损伤识别方法研究

采用曲率模态结合模态应变能对结构的损伤位置和损伤程度进行了识别研究。首先采用改进的曲率模态识别出结构损伤的大体位置,然后采用模态应变能方法对损伤位置的单元进行损伤程度识别。在损伤程度识别时考虑了功能强大的BP神经网络方法。最后,为了验证该方法的有效性,采用了一数值模拟案例进行分析。数值模拟结果表明:曲率模态能够有效地识别出结构的损伤位置,模态应变能能够有效地识别出单元的损伤程度。     

自适应小波概率神经网络损伤识别方法

目的 为了提高大型结构健康监测系统的监测能力与损伤诊断率，降低误报率．方法 以小波变换作为动力信号处理工具。利用其可以降低噪声以及在时域-频域表征信号特征的强大能力。提取小波能量作为特征参数；以贝叶斯推理作为模式识别原理的概率神经网络（PNN）为损伤识别分类器，利用遗传算法来优化PNN模型中的圆滑参数σ，提出自适应小波概率神经网络（AWPNN）损伤识别方法．并对ASCE的基准结构模型进行损伤识别研究以验证该方法的有效性．结果 研究结果表明，在噪声程度达40％时，AWPNN的识别正确率高达98％．结论 AWPNN具有较强的抗噪声能力和较高的损伤识别率。在结构健康监测与损伤识别领域具有很大的潜力．     

基于神经网络的桥梁结构损伤识别分析

阐述了利用神经网络进行桥梁损伤识别的可行性、优越性;重点讨论了适合桥梁损伤识别的训练函数特性、数据处理和样本集的构成;利用Traindx和Trainlm神经网络训练函数编写了桥梁结构损伤识别神经网络程序,该程序具有较强的容错性,在结构检测数据带有较大误差时,也能识别出损伤位置;通过算例分析了网络中不同的训练函数、检测误差、隐层神经元个数对识别性能的影响,并得出利用Trainlm函数训练神经网络更理想,神经元越多识别效果越好的结论.     

损伤结构为基准态的单元模态应变能损伤识别

以有损伤结构为基准模型,以单元模态应变能变化率为损伤识别指标对新发展损伤进行识别。通过理论分析和一连续箱梁桥的数值模拟,结果表明该方法对旧损伤的增长和新发展的单一损伤、密集损伤、多处损伤的识别都很敏感,原有损伤不会干扰新发展损伤的识别,这对于桥梁结构特别是在役桥梁结构的损伤识别和健康监测具有实用价值。     

结构损伤识别的改进曲率模态方法

结构损伤识别是结构健康监测和结构状态评估的主要前提之一。尽早了解结构的损伤状况和损伤位置有助于提高结构的预期可靠性和安全性,同时降低了结构的维修费用。论文主要研究了如何采用改进的曲率模态方法识别结构的损伤以提高识别精度。基于曲率模态对结构局部损伤比较敏感和频率指标测试简单方便、精度高的特点,论文提出了一种以结构的曲率模态为基础,综合考虑频率变化的改进曲率模态识别结构损伤位置的方法。最后用一数值模拟的简支混凝土梁对该方法与曲率模态方法进行了对比验证。结果表明,改进的曲率模态方法能够更精确地识别出结构的损伤位置。     

土木工程结构损伤检测中的神经网络方法

结构损伤检测与识别对结构安全及人们生命财产具有重要意义．近年来结构损伤检测中的神经网络方法受到了广泛的关注和研究．对神经网络方法在结构损伤检测中的研究进行了综合论述．阐述了各类神经网络方法在损伤检测中的应用、输入输出数据的不同类型、结构建模误差对检测效果的影响和分步损伤检测方法等。并对神经网络方法在损伤检测中的发展前景作了展望．     

基于模态曲率理论及神经网络的简支梁桥损伤识别

针对多片简支梁桥损伤识别问题,提出了一种分步识别法。该方法综合运用模态曲率差及神经网络技术对结构损伤进行识别,能够有效地发挥两种方法的优点。最后以一座五片简支T梁桥为算例进行了数值模拟。模拟结果表明,该方法可以准确识别结构的损伤位置及损伤程度,是一种行之有效的简支梁桥损伤识别方法。     

残余力向量法直接识别剪切型框架结构损伤的有效性研究

介绍残余力向量法的基本理论,提出识别框架结构损伤的方法。以某个损伤工况已知的框架结构为例,计算识别其损伤情况。研究表明,只需损伤结构的一阶模态即可识别结构损伤情况,且该方法的有效性通过对比分析得以验证。     

基于模糊理论的结构损伤模式识别

提出一种分步识别结构损伤模式的方法,首先根据结构损伤识别的特点,利用小波包分解原理,获得基于响应信号能量的损伤特征向量,然后利用神经网络确定损伤模糊集隶属度函数,通过模糊模式识别方法对结构损伤模式进行识别,最后对桥梁Benchmark模型进行试验验证.结果表明,该方法能较准确地识别结构的损伤模式,在工程应用中具有一定的实用价值.