光纤光栅型智能结构损伤识别的小波包分析

基于结构振动监测技术,采用小波包分析方法对采集的结构振动信号进行了小波分解。介绍了小波包分解技术,提出将小波包能量谱作为损伤指标用以表征结构的损伤状态。在相同损伤位置不同损伤程度、不同损伤位置相同损伤程度的两种情况下对试件进行了六种不同损伤工况的振动信号分析。数据分析结果表明,结构的损伤将导致结构振动信号小波包分解中特定阶数的能量增加,而所提出的损伤指标对结构的损伤程度、损伤距离及损伤位置与光栅传感器之间的角度均敏感,实验中能够识别12 g重物且距离光纤光栅传感器30 cm的损伤,表明对智能结构的在线损伤识别是可行的。     

基于小波包能量的桥梁损伤识别指标

为达到桥梁结构损伤识别的目的,基于小波包分析方法提出了小波包能量变化率平方和(the sum square of wavelet packet energy change rate,简称WPERSS)损伤指标。分别将健康与损伤结构的加速度响应信号进行小波包分解得到小波包能量,通过计算小波包能量变化率平方和损伤指标进行损伤识别。对简支梁模型进行数值模拟,分析单一损伤与两处损伤时不同损伤程度的损伤识别情况,分析不同噪声水平对识别效果的影响。结果表明,该指标可有效识别损伤位置且对噪声具有鲁棒性。对装配式双塔斜拉桥模型进行试验,联合多个测点响应的损伤指标可以判别结构的不同损伤状态,验证了小波包能量变化率平方和指标的有效性。     

基于声发射和小波神经网络的机械密封状态分类新方法

采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合,基于声发射信号时域和小波包能量分析的特征提取方法,充分利用声发射信号中的有用信息,能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例,采用上述方法对其工作状态进行监测。实验证明,该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。     

基于声发射技术飞机关键部件健康监测方法

为解决飞机关键结构部件疲劳损伤的有效监测,及时发现潜在的安全隐患,避免灾难性事故的发生.对于采用先进声发射技术所监测到的某飞机水平尾翼的原始声发射信息,提出采用小波包分析与支持向量机相结合的方法对匕机水平尾翼的健康状况进行识别与诊断.该方法将飞机水平尾翼产乍的原始声发射信号进行多级小波包分解,提取其频带能量作为特征向量,输入到由支持向量机构建的健康监测器对其进行健康识别与诊断.实验结果表明,该方法可以有效、准确地识别并诊断出飞机水平尾翼的疲劳裂纹,为飞机结构部件健康状态的有效监测提供了新途径.     

基于小波包能量累积变异的梁桥损伤识别试验

基于小波包分析方法可以捕捉到结构状态改变导致的频带能量分布变化的特征,提出了小波包能量累积变异指标来识别结构损伤,并将该指标应用到室内两跨连续梁模型桥的损伤识别中.车辆激励、锤击激励和环境激励3种不同激励源的测点实测加速度时程响应分析研究结果表明,激励信号能量大小的不同会导致小渡包能量累积变异值的差异,联合多个测点响应的小波包能量累积变异指标值可以判别结构的不同损伤状态.     

频带能量特征法在声发射刀具磨损监测系统中的应用

基于对声发射(AE)信号特点的分析和小波包分解理论对不平稳信号特征提取的优势,提出一种利用AE信号的能量变化来监测刀具磨损状态的方法。该方法利用db8小波基对AE信号进行5层小波包分解,将分解后各频带上的能量值作为特征参数,并组成特征向量。分别提取在新刀和刀具磨损状态下的特征向量,根据其变化即可判别刀具磨损的程度。试验结果验证了该方法在刀具磨损判析中的可用性。     

基于小波包变换的电磁超声接收信号特征提取

使用改进的功率谱函数对电磁超声缺陷信号进行了缺陷的定性分析,使用小波包能量谱对电磁超声缺陷接收信号进行了特征提取,从小波包的小波函数选取、分解层次及特征参数的噪声鲁棒性3个方面开展了讨论分析.结果表明:通过选择适当的小波函数和小波包分解层次,小波包能量谱的能量比可以精细地反映信号的特征;基于小波包能量谱的特征参数具有良好的损伤敏感性及噪声鲁棒性,能在强噪声影响下实现对EMAT不同损伤类型的判别.     

基于小波包变换的梁体损伤识别

由于小波包变换在分析非平稳信号方面较傅立叶变换更为有效，提出了基于小波包变换的能量变化率指标进行损伤识别的方法。首先，将得到的结构响应信号进行小波包分解，然后通过小波包能量变化率指标来进行损伤定位。通过3种不同损伤工况的梁体室内试验证明．损伤指标可以准确地识别损伤位置。     

运用统计小波的光纤光栅结构健康监测技术

针对振动型结构健康监测方法的特点,搭建了基于非平衡M-Z干涉仪和相位载波解调技术的光纤光栅损伤识别系统。运用小波包分解振动信号,建立了基于小波包节点能量相对变化率之和的结构损伤识别指标;介绍了统计过程控制原理,推导了使用均值-极差控制图分析损伤识别指标,识别结构连续损伤的过程。实验测试了铝制简支梁结构处于健康状态和3种损伤状态下的各40次振动信号。信号时域图显示各状态振动信号持续时间均约为0.05ms,幅值基本相同。依据结构健康状态下的统计过程控制限(12.85,41.35)进行了均值-极差控制图损伤识别分析,结果表明,搭建的损伤识别系统能连续地对结构进行健康监测。     

压电柔性梁裂缝损伤识别实验

针对压电柔性悬臂梁裂缝损伤检测与损伤程度识别问题,采用小波包分析和小波神经网络相结合的方法进行裂缝深度识别实验研究.利用小波包频带能量谱构造柔性悬臂梁裂缝损伤指标,即能量比相对变化量的H2范数,并建立压电柔性梁裂缝损伤实验装置.激励柔性梁的振动,记录两路压电传感器采集的振动信号,进行小波包分解并计算损伤指标.将这些损伤指标进行组合,作为小波神经网络的输入特征参数,进行裂缝深度即损伤程度的识别.实验结果表明:能量比相对变化量的H2范数对柔性梁的裂缝损伤敏感,对测试噪声不敏感;采用的小波神经网络可以精确识别柔性梁的裂缝深度.     

基于小波包变换的FRP容器爆破声发射信号分析

对FRP复合材料容器进行水压爆破的力学性能实验,采集FRP复合材料容器在受压损伤和爆破过程中的声发射信号。基于小波包变换对复合材料容器爆破声发射信号进行时频对比分析,由能量在频段上的分布情况,得出爆破信号特征。     

基于提升小波包和神经网络的结构损伤检测

提出一种提升小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法.首先,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量并计算每个频带上的相对能量;然后,把这些传感器信号的小波包相对能量融合作为神经网络分类器的输入特征向量,实现损伤的诊断和评价.数值仿真结果表明,提升小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有较高的精度和可靠性.     

小波包时频分析及其特性

在两种典型的非平稳信号分析方法--小波包变换与短时傅里叶变换的基础上,综合两种方法的优点,提出了小波包时频方法.建立了相应的小波包时频分量谱、小波包时频分量幅度谱、小波包时频谱、小波包时频幅度谱等概念.证明了小波包时频分析的能量守恒性,形成了一套较完善的分析体系.算例表明,该分析方法在诊断奇异、检测信号深层次细节等方面具有一些独特性质.     

基于小波神经网络的RC梁损伤识别试验研究

简要阐述了小波包分析及BP神经网络理论，利用小波包变换对获得的加速度信号进行分解和重构，求解各频带内的信号能量，将其作为神经网络输入参数，对神经网络进行训练，然后利用该网络进行损伤检测。按上述方法，通过有限元分析对RC梁进行损伤模拟，建立了结构损伤识别神经网络。按同样的构造制作了RC试件，并进行了损伤试验研究，对试验中在不同损伤情况下采集的加速度信号进行小波包分解和重构，将得到的能量向量输入已建网络判断结构的损伤。从试验结果可以看出诊断误差很小，能够满足实际工程要求。