单元模态应变能变化率对框架结构的损伤诊断

对具有一定程度损伤的框架结构来说,模态位移动力检测指标难以有效地反映结构的损伤状况。为了提高诊断效率和诊断结果的可靠性,采用结构损伤的单元模态应变能变化率方法构造框架结构损伤定位的识别指标。通过对一个典型框架结构的数值模拟研究表明:该方法仅需低阶模态参数,无论是单一位置损伤、对称部位损伤、轻微损伤,还是多种损伤共存,均具有损伤定位的能力;且在一定噪声水平下具有较强的抗噪能力。给出根据损伤单元模态应变能变化率值的大小,确定损伤程度的实用方法。     

基于布谷鸟搜索算法的温度驱动损伤识别方法

基于振动的损伤识别方法数据分析过程复杂,且易受环境不确定因素影响,为解决该问题,提出了一种基于布谷鸟搜索算法的温度驱动损伤识别方法。分析中将温度视为结构的可测激励,对基于温度诱导应变的结构损伤参数识别公式进行了推导,进而利用实测的温度诱导响应值与有限元模型计算的温度诱导响应值构造目标函数,基于改进的布谷鸟搜索算法对有限元模型中的损伤参数进行更新,从而实现损伤的准确判别。通过一根两端弹性约束的H型钢梁,以及一榀Benchmark钢框架模型的数值仿真分析,验证了所提方法的损伤识别效果。分析结果表明：基于布谷鸟搜索算法的温度驱动损伤识别方法可对不同程度、不同位置及不同数量的损伤进行有效识别,即使在较高的噪声干扰下,仍能取得较好的识别结果。相比于基于振动的有限元模型损伤参数识别方法,该方法无需施加外部激励,输入与输出数据（温度与温度响应）方便可测,损伤识别所需的数据量较少,受噪声干扰影响小,可对结构的损伤进行有效定位与量化。     

基于振动传递率的钢质导管架海洋平台结构损伤识别方法研究

基于振动的结构损伤识别方法在应用过程中会遇到激励信息难以获得、实测模态参数不完备以及对有限元模型的依赖等问题。为此,利用白噪声激励下的结构两点加速度响应构造振动传递率函数,通过主成份分析降低其维数,将结构损伤前、后振动传递率函数幅值的主成份变化量作为结构损伤特征向量,输入BP神经网络进行结构损伤识别,并考虑了不同程度噪声对损伤识别结果的影响。钢质海洋平台结构数值模拟和模型试验结果表明,该方法能识别出结构损伤位置并且具有一定的抗噪声能力。     

环境激励下基于小波包能量曲率差的框架结构损伤定量识别

损伤识别指标小波包能量曲率差对结构损伤定位的有效性已通过数值仿真、室内试验和工程项目的验证,但缺乏对结构损伤定量的分析。以3层空间框架结构为研究对象,采用有限元软件ABAQUS进行数值模拟和动力时程分析,引入虚拟脉冲响应函数,考察结构外部激励、损伤程度、损伤位置和弹性模量对其识别效果的影响,研究小波包能量曲率差对结构损伤程度的定量估计。结果表明：引入虚拟脉冲响应函数不影响小波包能量曲率差的损伤定位识别效果,并可有效减弱外部激励对其的影响;结构损伤程度、损伤位置对其有影响,弹性模量大于3.0×10¹⁰ Pa(包括等于3.0×10¹⁰ Pa)时对其无影响;通过数值拟合公式可以有效地定量识别结构损伤程度。     

基于均匀设计试验的框架结构正分析分步式损伤识别方法

为对框架结构柱损伤位置和程度进行识别,应用均匀设计方法构建可用于结构损伤正分析档案库的试验表,按此试验表对抽样出的损伤位置和程度进行BP神经网络训练.训练后的神经网络根据分步式识别方法,以固有频率对结构出现的损伤进行层定位,再以位移变化率对损伤进行构件定位,同时反馈获得构件的损伤程度.通过2个模型结构损伤识别的算例,分别验证了所构建神经网络和识别参数的正确性,以及基于均匀设计试验分步式损伤识别方法的有效性.计算结果表明均匀设计试验可在保证识别效果的同时,大幅减少神经网络的训练次数;分步识别方法可对框架结构损伤位置进行精确判定,克服了一步识别框架损伤或单独使用某种参数进行损伤识别的缺陷.     

基于小波包能量的大型输电铁塔损伤识别

利用小波包能量对某大跨越输电铁塔的主材进行了损伤识别研究。在地震激励下,得到完好和不同损伤程度下铁塔某根主材的位移–时间信号。用小波包变换对此信号进行分解与重构,小波包能量曲率差在损伤前后的数据被获取,分别获取能量曲率差的前6个分量数据,进行损伤位置判断,在单处损伤情况下,各分量均可以较准确地识别出损伤位置。     

基于斜率模态的统一化损伤识别指标研究

提出了一种基于规则结构第一阶频率斜率模态的梁式结构损伤定位与程度识别方法.分析比较了第一阶位移模态及其斜率模态对于结构系统参数的敏感性.结合有限元模型,形成一系列以斜率模态为基础得到的统一化损伤识别指标(UDI),以该指标表现出的损伤状态在不同损伤工况下对于任意楼层损伤程度都具有稳定性,这样就避免了大型损伤特征矩阵的计算.使用UDI指标对一剪切型梁在单损伤与几种多损伤工况下进行了损伤识别与定位,并且分析实际结构与数值模型系统参数存在误差的情况下的识别效果.还考虑了减少测点布置后的损伤识别效果,且对识别误差的原因进行了分析.研究结果表明:基于第一频率斜率模态的UDI指标在具有近似数值模型的条件下,能够确定损伤位置并且可以较精确地估计损伤程度,而且识别速度快.     

基于ARMA模型的盾构隧道结构损伤识别

地铁盾构隧道健康监测的关键是损伤位置的识别。针对盾构隧道结构特征,提出了基于自回归滑动平均(ARMA)模型的损伤识别方法。首先采用分区和归一化方法对加速度信号进行预处理,作为自相关函数分析的输入以克服噪声影响,避免噪声干扰引起ARMA模型拟合中的偏差;然后,采用部分自相关函数方法建立ARMA模型,定义基于马氏距离和ARMA模型的损伤指标(DI);对移动荷载激励下的盾构隧道结构进行数值模拟,并利用基于ARMA模型的损伤识别方法分析各工况下隧道结构的加速度响应,实现对盾构隧道结构损伤的检测和定位;最后,进行了缩尺盾构隧道结构损伤识别试验,验证了所提出的基于ARMA模型的盾构隧道结构损伤识别方法的有效性。     

基于频响函数曲率差的弹簧质量系统损伤识别与分析

不同形式的结构大多可以简化看作无数个质量块与弹簧的组合体,因此为了研究结构的损伤以及结构损伤识别指标,对简化弹簧质量系统用ANSYS进行单个或多个同时出现的损伤情况进行数值模拟,选择频响函数曲率差作为损伤识别指标,对其损伤位置及程度进行检测,数值模拟的结果验证了频响函数曲率差对该结构的有效性及精确性的同时,并得出激励作用的位置对该指标的检测结果有较大的影响,并且得出如何选择频率范围可以保证频响函数曲率对损伤位置与损伤程度的精确性。     

基于均匀设计实验的框架结构损伤识别应用研究

为对不规则框架结构的柱进行损伤识别,由位移指标对损伤初步定位后,利用均匀设计思想构造分步识别方案,通过BP神经网络利用频率和位移指标对损伤构件进行具体定位。通过6层框架数值模拟结果表明此方法克服了大型均匀设计表偏差过大,以及单一参数进行损伤识别的缺陷,能够较好地对框架结构损伤位置进行精确判定。     

基于GRNN神经网络的桁架结构损伤识别的两步法

损伤识别方法是结构健康监测系统的重要组成部分。基于广义回归神经网络(GRNN)模型,建立了结构损伤识别的两步法,构造了用于损伤定位和损伤定量的不同损伤识别组合损伤指标,并引入模态应变能系数选择节点,最后,结合典型桁架结构进行了损伤识别数值模拟研究。结果表明,即使在只获得低阶频率和少量节点一阶振型数据且含有噪声的情况下,采用构造的组合参数,GRNN神经网络对损伤位置及损伤程度识别都取得了比较理想的识别效果。     

基于传递率函数的结构损伤识别研究

基于动力特性的结构损伤识别方法通常需要已知激励信息,而激励信息一般难以准确测得。为此,直接对加速度响应进行傅里叶变换并计算相邻两点的传递率函数,利用传递率函数构造相应的损伤指标,通过该指标来识别结构的损伤位置,这种方法不需要已知激励信息,不需要进行模态分析。海洋平台结构的数值模拟和振动台试验表明,该方法是可行的,且具有一定的抗噪声能力。     

基于数据融合的张弦桁架多位置损伤识别与抗噪性分析

为提高张弦桁架多位置损伤识别的准确性,将数据融合方法与损伤识别指标相结合,采用D-S证据矩阵理论融合叠加曲率模态改变率和模态柔度差曲率两项指标的损伤识别结果,提出了张弦桁架多损伤的单次融合和两阶段融合识别方法。以某实际工程缩尺简化得到的张弦桁架作为研究对象,设计了两种不同的多损伤工况,通过有限元分析获取了结构损伤前后的前三阶模态数据,并进行了损伤识别分析。结果表明：基于数据融合的多损伤识别方法能够准确地识别张弦桁架多损伤,其能够综合两种单指标的识别结果,降低甚至消除非损伤位置的干扰,有效解决了单指标识别精度低、不能全面反映损伤位置的问题;两阶段融合方法通过两次融合逐步降低了非损伤位置的干扰,识别效果优于单次融合方法。此外,分析中考虑了不同水平噪声对张弦桁架多损伤识别的影响,结果表明：基于数据融合的多损伤识别方法具有较好的抗噪能力,能够降低噪声和非损伤位置的干扰,且两阶段融合方法的抗噪能力优于单次融合方法。     

基于神经网络的框架结构损伤多重分步识别

提出了基于神经网络的框架结构损伤多重分步识别方法,建立了用于框架结构损伤识别的高效神经网络。根据构件损伤的多重分步识别思路,把构件损伤识别过程分为:利用神经网络建立损伤异常过滤器对构件损伤进行预警;以频率构造的组合指标作为神经网络输入向量,对构件损伤进行初步定位;以频率和模态振型构造的组合指标作为神经网络输入向量,对构件损伤进行具体定位;以频率平方变化率作为神经网络输入向量,对构件损伤程度进行识别。最后针对三跨四层的框架结构进行了损伤识别数值模拟。结果表明:基于神经网络的框架结构损伤多重分步识别方法简化了网络的结构,能够有效地对框架结构损伤进行预警、定位和定量。     

基于多阶曲率模态差的桥梁损伤定位方法

为了保障桥梁结构正常运营,及时发现桥梁损伤,本文提出了多阶曲率模态差(multi order curvature mode difference,简称MOCMD)损伤指标进行桥梁结构损伤位置的识别。为了验证本文方法的有效性,通过数值模拟建立一简支梁桥有限元模型,研究不同损伤程度、损伤位置和噪声水平对该指标的影响。数值模拟结果表明,该指标能够精确识别多个工况损伤位置,而且具有一定抗噪性。     

基于数据融合的张弦桁架损伤识别方法与试验研究

针对张弦桁架采用单损伤指标识别损伤位置易受到干扰甚至产生误判的问题,提出基于曲率模态差和模态柔度差曲率融合的损伤识别方法。基于D-S证据矩阵和加权平均两种数据融合准则,建立张弦桁架损伤识别的单次融合和两阶段融合识别流程。采用有限元软件ANSYS建立张弦桁架分析模型,利用减小构件截面积模拟弦杆损伤,分别采用非融合单损伤指标、单次数据融合和两阶段融合方法进行损伤识别分析。结果表明：单损伤识别指标的抗干扰能力较低,尤其对支座附近下弦杆的识别效果差;基于数据融合的损伤识别方法能够综合多种指标损伤识别结果,有效提高损伤位置识别的准确性;与加权平均数据融合准则相比,基于D-S证据矩阵准则的数据融合方法更能有效降低非损伤位置干扰,识别效果更好;两阶段融合方法效果优于单次融合方法,损伤位置的损伤概率愈发接近于1,非损伤位置的损伤概率愈发趋近于0。最后开展了一榀张弦桁架模型的损伤识别试验,通过试验验证了当所获取模态数据受到环境或测试噪声等因素影响下,文章提出的基于数据融合的损伤识别方法仍具有较好的鲁棒性,能够有效识别实际张弦桁架结构的损伤位置。但由于曲率模态差以及模态柔度差曲率难以识别损伤程度,因此文章方法仅能够提高损伤位置的识别精度。     

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。     

钢框架在玻璃幕墙中的应用及其损伤诊断

因具有保温节能和防火防盗等优点,钢框架在门窗幕墙建筑上有良好的应用发展空间,在地震区建造大跨度、超高和超重型的建筑物上也普遍使用,因此对钢框架结构的延性、刚度、强度和抗震能力有着很高的要求.不同的焊接构造节点形式对钢框架结构承载力、滞回性能、退化特性、破坏形态有着不同的影响,从而使结构产生不同程度损伤破坏.本文提出一些相关的钢框架损伤诊断方法,有效识别节点损伤程度,准确识别出结构损伤单元位置和相应的损伤程度.     

结构损伤识别中的广义残余力向量差法研究

采用矩阵摄动有限元方法,给出了结构损伤识别方程.为减小模型误差和测试误差对损伤识别结果的影响,利用残余力向量对损伤单元的敏感性,提出了广义残余力向量差的概念.为提高损伤识别结果精度和计算效率,联合采用广义残余力向量差定位与频率变化定量的结构损伤识别方法,先运用广义残余力向量差来初步确定损伤位置,再根据频率摄动运用测试精度较高的频率筛选计算损伤程度并确认损伤位置.实例证明,即使考虑测试误差,该方法仍然可以实现对损伤位置和程度的快速准确识别,具有较强的噪声鲁棒性.     

基于柔度矩阵和模糊模式方法的结构损伤识别研究

根据工程结构损伤识别的特点,提出一种分步识别结构损伤的方法,首先利用测试模态参数,确定结构柔度矩阵,并通过损伤前后柔度矩阵变化特点确定结构损伤位置,然后在确定损伤位置的基础上,通过模糊模式识别方法对结构损伤程度进行识别,最后通过对一个桁架结构的算例表明,该识别方法稳定性好,抗噪声能力强,能较准确地识别结构的损伤程度,在工程应用中具有一定的实用价值。