基于CACO算法的结构多损伤识别

结构多损伤识别是结构健康监测领域的一个具有挑战性的研究课题,数学上,它通常可以转化为连续函数的约束优化问题。介绍连续优化蚁群算法(CACO)的基本原理、从离散ACO到CACO的实现、寻优路径的构建、以及信息素更新和挥发的数学建模,尝试探寻将CACO算法应用于结构多损伤识别问题的可行性并进行数值仿真和实验研究。通过两层刚架多损伤数值仿真以及三层建筑框架结构4种损伤的实验研究,结果表明:采用CACO算法对结构多损伤进行识别不但能够准确定位结构多损伤,而且还可以有效识别其损伤程度。由此可见,CACO算法应用于结构多损伤识别的效果是显而易见的。     

基于频响函数和遗传算法的结构损伤识别研究

提出一种基于频响函数和遗传算法的结构损伤识别方法.以单元刚度折减因子为遗传算法的优化变量,以测试频响函数和计算频响函数的形状相关系数来构造遗传算法的优化目标函数和适应度函数;为克服二进制编码的缺点,采用浮点数编码方案;最后通过一个桁架结构模型进行数值模拟,计算结果表明,即使在考虑一定测量噪声水平的情况下,仍然能够准确识别出结构的多处损伤,验证了该方法的有效性和可行性.     

基于随机振动响应互相关函数的结构损伤识别试验分析

提出了基于结构振动响应互相关函数分析的损伤识别方法。通过八层剪切型钢框架结构模型在模拟白噪声随机激励作用下的试验分析,利用相邻测点响应的互相关函数幅值向量变化,构造损伤识别因子进行结构损伤判定、定位及程度量化,结果表明该方法对结构损伤的识别具有很好的简易性及有效性,并为结构在线监测和分散式检测提供方法参考。     

噪声影响下基于改进损伤识别因子和遗传算法的结构损伤识别

提出了一种考虑噪声影响的基于改进损伤识别因子和遗传算法的结构损伤识别方法。首先,介绍了结构损伤识别的参数化思想,并提出了一种考虑不同模态信息和权重系数的损伤识别因子。然后,在选择算子、交叉算子、变异算子以及自适应交叉和变异等方面对遗传算法进行了改进,并在无噪声情况下,对一简支梁和连续梁进行了损伤识别,识别效果非常好,验证了方法的正确性和有效性。随后,分别考虑了随机噪声和高斯白噪声对简支梁进行损伤识别,发现该方法在噪声水平不是很高的情况下,识别效果很好。最后,在一钢框架基准有限元模型基础上,考虑了四种损伤工况进行了损伤识别,识别结果较好,该方法能够很好地应用于结构的损伤识别和健康监测。     

基于不完备频响函数的结构多损伤定性和定量识别

传统的频响函数损伤探测方法对单损伤识别效果明显,却难于精确识别多损伤情况。为了解决结构的多损伤位置识别和损伤程度的判定问题,将不完备的频率响应函数应用于结构的损伤检测研究,并提出了一种两阶段的损伤识别方法。首先,利用不完备的频率响应函数确定相应的损伤指标,并通过不同节点和自由度处损伤指标的改变来分别初步判断损伤的位置;然后,推导分析了损伤程度计算公式,利用该公式可以精确的计算出相应损伤单元的损伤程度。仿真结果表明,通过自由度损伤指标的改变可以较为精确的识别出损伤的位置,优于节点损伤指标判别法,而通过损伤定量公式不仅可以得到损伤程度的量化值,而且可以更精确的判断损伤的位置。     

基于改进Jaya算法的置换流水车间调度问题研究

置换流水车间调度问题（permutation flow shop scheduling problem, PFSP）广泛存在于流程和离散制造企业。本文提出一种改进的Jaya算法求解最小化最大完工时间为目标的PFSP。在改进Jaya算法中,设计了基于最优和最差个体的4种个体更新方案,通过4种邻域结构对个体进行局部搜索,并通过多样性控制策略来保证种群的多样性。采用改进Jaya算法分解求解Car、 Rec和Taillard基准问题,并与其他算法进行比较,验证了所提算法的有效性。     

基于克隆选择和粒子群混合算法的导墙结构损伤识别

导墙结构长期受到水流和风等交变荷载作用,容易产生结构损伤。由于环境激励输入的未知性以及测试条件和精度的限制,使得环境激励下大型水工结构的损伤诊断遇到了很大困难。基于此,提出一种利用实数编码克隆选择和粒子群混合算法优化模态频率指标的导墙结构损伤诊断方法。该方法仅需可测性强的低阶模态频率,非常适合于环境激励条件下的大型水工结构的无损动态损伤检测。将该诊断方法应用于某导墙的损伤识别中,证明该方法在算法全局寻优性能和识别准确性上均有较大优势,可尝试在各类水工结构的损伤诊断中推广应用。     

利用组合参数的结构损伤识别及试验研究

利用状态向量直接求导的新方法，全面地分析了基于结构振动模态参数(频率、特征向量和动柔度)关于设计参数(质量、刚度和阻尼)的相对灵敏度。该方法比传统的方法计算简单方便，而且弥补了传统方法中参数考虑不全的缺点，这样更符合实际工程。对一框架结构进行了数值模拟分析，研究表明动柔度矩阵关于结构刚度灵敏度相对于其他模态参数为最高，振型次之，频率为最小，这对选取损伤特征参数时有重要参考价值。提出由结构前几阶固有频率变化率、频率变化比值以及动柔度置信因子构成的组合参数作为神经网络的输入向量的损伤识别方法，对于多种工况进行了框架结构模型的振动试验。试验结果表明：采用组合参数训练的神经网络，对结构损伤位置和程度识别较采用单一参数具有更好的识别效果。     

基于互相关函数幅值向量和小波变换的复合材料结构损伤检测

提出了一种基于互相关函数幅值向量(Cross correlation function amplitude vector,corV)和连续小波变换(continuous wavelet transform,CWT)联合检测损伤的方法.选取双正交小波函数,首先计算随机激励下完好结构和损伤结构的互相关函数幅值向量,再分别对其进行连续小波变换,根据损伤前后小波系数的变化来检测结构的损伤,并以小波系数差的模最大值作为损伤指标来进行损伤定位.该方法无需对结构建模,仅需获取结构损伤前后的时域响应信号.通过对带有不同位置分层损伤的复合材料层合梁和层合板损伤检测的数值仿真,验证了用该方法检测复合材料结构分层损伤的有效性.     

基于遗传优化最小二乘算法的结构损伤识别

基于遗传优化方法,提出一种自适应追踪技术,并结合最小二乘算法,对线性结构和迟滞非线性结构的时变参数进行识别,并由此判断结构的损伤。数值仿真结果表明该方法对结构因损伤引起的参数变化具有敏感性,能够有效地追踪结构参数的变化,识别结构的时变参数,从而检测出结构损伤,包括损伤的发生时刻,以及损伤的位置和程度;此外,还对线性结构进行了实验验证,实验结果表明所提方法能够有效追踪结构参数的变化,从而识别出结构的损伤,具有实际应用价值。     

基于RBF神经网络的结构动力损伤识别

本文针对结构动力损伤识别问题,提出了ＲＢＦ神经网络识别方法,重点讨论了ＲＢＦ神经网络的结构的算法,并在最后人出了两个工程应用实例,结果表明,ＲＢＦ神经网络识别在方法在结构动力损伤识别中不失为一种崭新有效的方法。     

随机海洋环境下基于互相关函数和主成分分析的平台结构损伤辨识

为了确保海洋平台安全作业,及时辨识损伤以及进行损伤定位,海洋平台结构健康监测技术已成为学者研究关注的重要问题.针对某在役导管架平台,对平台在不同随机波浪激励下的动力响应分别进行了健康状态和损伤状态的数值模拟.在损伤辨识过程中,对结构不同位置的动力响应进行互相关分析,提取损伤敏感特征;利用主成分分析(principal ...     

基于频响函数的结构损伤识别模型修正方法

针对模型修正中测量数据不完备问题,提出一种利用频响函数结合结构损伤识别进行模型修正的方法。首先,采用频响函数摄动分析法建立频响函数灵敏度方程,并综合考虑结构响应对参数变化的灵敏度及阻尼对振幅的影响等因素,合理选择频率范围;然后,利用完好结构的频响函数和测量得到的损伤结构固有频率重构损伤结构未测量节点的频响函数;最后,研究与模型修正相适应的传感器优化布置方法,确定传感器数目及测点位置,从而为模型修正提供所需的频响数据。数值模型试验表明,利用较少数量的传感器提供的频响数据即可识别出损伤位置和损伤程度,得到与结构实际参数相符的模型修正结果。     

基于系统响应自相关函数的振动参数识别

分析了线性系统全响应的组成,利用Prony多项式,提出了用于振动模态参数识别的自相关复指数法。数值仿真结果证明该方法有效。数值仿真还对初始激励、采样精度、采样频率等影响方法效果的参数的选择进行了讨论。     

结构早期损伤识别技术的现状和发展趋势

本文综述了近几年来结构早期损伤识别技术的方法，对各结构早期损伤识别的方法进行了评述，讨论了各方法在理论上和实际应用中存在的问题。根据国内外最新文献，指出了结构早期损伤识别技术发展的方向和趋势。     

基于混合鲸鱼退火算法和稀疏正则化的结构损伤识别

实际应用中,鲸鱼优化算法存在精度不高、收敛速度慢等劣势,提出了一种基于非线性收敛因子、自适应权重和模拟退火策略的混合鲸鱼退火算法,平衡了算法的收敛速度和寻优能力,从而增强算法性能.构建了基于结构模态参数的识别因子,并引入稀疏约束,通过不同损伤工况下ASCE Benchmark结构模型的损伤识别数值模拟说明改进方法的有效...     

基于互相关函数幅值向量的结构损伤定位方法研究

在利用互相关函数幅值向量（Correlation Function Amplitude Vector，CorV）进行结构损伤检测的方法基础上，进一步提出了利用互相关函数幅值向量来确定受损结构的损伤位置的方法。通过在随机激励下不同测点的时域响应求得结构互相关函数幅值向量后，对损伤前后结构的互相关函数幅值向量进行二阶差分处理，根据差分处理后的互相关函数幅值向量分布图可以直观地判别出结构损伤的位置。用一个四边固支板和一个四层楼房基准模型的损伤定位为算例，验证了所提出方法的有效性和准确性。算例表明，用所提出的方法只需要测量结构受随机激励的时域响应，就可同时确定多处结构损伤的位置，且具有较好的抗测量噪声能力。因此，所提出的方法可应用于环境随机激励下的结构健康监测技术。     

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。     

基于量子粒子群算法的结构模态参数识别

以由结构输入输出数据计算所得实测频响函数与理论频响函数差值最小化为优化目标,通过对理论频响函数中所含结构模态参数搜索取值使目标函数最小,即将结构模态参数识别问题转化为优化问题。采用量子粒子群算法对此过程优化计算,获得结构模态参数。用数值模拟六层框架结构对该方法进行验证。结果表明,量子粒子群可有效识别结构模态参数。     

基于动力参数的桥梁结构损伤识别

阐述了近几年基于结构动力参数的桥梁工程结构损伤识别的方法,对这些方法进行了评议,指出了在理论和实际应用中的优点及存在的问题．选用一简支桁结构作为研究对象,对其进行了模拟损伤分析,采用不同的模态参数对其损伤情况进行了分析。同时说明了动力参数检测方法的应用。