基于时域残余力向量特征分解的结构损伤识别方法研究

提出基于时域残余力向量的结构损伤识别方法。从结构振动方程出发,推导强迫振动条件下由结构动力响应求解时域残余力向量的表达式。时域残余力向量包含与损伤过程相关的时间信息,可以用来识别损伤发生的时刻。通过结点时域残余力向量值的变异系数建立损伤位置指标,识别损伤位置。建立结构残余力矩阵特征分解方法,特征分解获得的特征向量在损伤前后不发生改变,而特征值与单元刚度相关。因此,可以从特征值中提取单元刚度参数构建损伤程度参数,直接识别损伤程度。将时域残余力向量方法应用于武汉军山大桥模型的损伤识别,结果表明：提出的方法在单点激励和多点激励下均可高精度地识别出损伤发生的时刻、位置和程度。提出的方法通过对时域残余力向量特征分解提取损伤时刻、位置和程度指标,计算过程直观且精度高,避免了繁琐的时频变换、优化迭代等计算过程。     

结构损伤识别中的若干正则化问题研究

针对结构损伤识别计算中由于矩阵奇异带来的识别结果不稳定问题,利用列主元QR分解、截断奇异值分解这两种正则化技术研究识别计算中的迭代方法,给出了这两种技术改善识别结果稳定性的证明;同时研究了对得到合理识别结果有较大影响的两个计算参数:实施正则化技术的阀值以及限制迭代增量的步长限值。该文以IASC-ASCE的BENCHMARK结构为算例,分别采用列主元QR分解、截断奇异值分解,识别出BENCHMARK结构第I阶段损伤问题第一种工况下第二种损伤模式的位置,识别的损伤程度最大误差分别为7.33%、6.36%,验证了研究的正则化技术的有效性。通过算例对阀值与步长限值进行研究和讨论,发现列主元QR分解宜应用在步长限值α较大(α≥0.5)的情况下,截断奇异值分解则既可应用在步长限值α较大、也可应用在α较小(α≥0.25)的情况下。     

基于加速度响应相关性的结构损伤识别方法

通过推导证明了加速度响应的相关特性包含结构的模态信息,与结构损伤的程度和位置相关,提出加速度响应相关特性作为结构损伤因子的损伤识别方法,以该指标作为BP神经网络神经元,判断结构的损伤程度和损伤位置。利用有限元分析证明了该方法的有效性,通过试验研究验证了该方法的适用性。     

一种结构模态参数的时域识别方法

本文提出了一种识别结构模态参数的时域识别方法,摸拟计算和实验室试验表明本法是有效的,并应用该法识别了石油钻液振动筛箱体结构的模态参数。     

基于奇异值分解及特征正交分解的结构损伤检测方法

为直接通过结构振动响应提取损伤特征参数,将奇异值分解和特征正交分解运用到结构响应分析中。该方法首先通过对结构响应功率谱矩阵的奇异值分解,获得模态频率,然后在模态频率处计算互相关矩阵,利用特征正交分解获得收敛于结构模态向量的特征正交模态,进而构建了损伤定位向量,最后通过结构单元应力的不同分布准确定位了损伤位置。实验数据分析结果表明,该方法能有效的进行损伤检测和定位。     

基于人工神经网络的结构损伤识别方法

根据观测的结构频率变化,建立了基于人工神经网络的悬臂梁结构损伤识别方法.把结构固有频率的变化率作为BP神经网络的输入参数,对悬臂梁结构模型进行了损伤数值模拟计算.为了提高神经网络的泛化推广能力和收敛速度,将BFGS优化方法应用到神经网络的训练过程中.数值计算结果表明,所建立的结构损伤识别方法具有收敛速度快、识别精度高等特性.     

基于截断GSVD方法的桥梁移动荷载识别

针对移动荷载识别系统矩阵的病态问题,通过引入正则化矩阵,提出采用截断广义奇异值分解法(TGSVD)识别桥梁移动荷载,并与时域法(TDM)识别结果比较。两轴移动荷载识别结果表明,TGSVD具有识别精度高、抗噪能力强、识别结果受响应类型及响应组合影响小等优点。对将TGSVD应用于现场移动荷载有重要意义。     

基于不变环境振动的结构损伤识别方法

建立了受随机外力激励作用的损伤识别理论模型和计算方法 ,提出一种在线结构损伤识别方法。讨论一个15层框架结构 ,数值仿真结果表明 ,该方法具有较高的辨别率和计算精度。它能够使用在桥梁和建筑的健康监测中。     

基于多传感器信息融合的结构损伤识别研究

针对结构健康监测系统中的传感器数量多、数据信息复杂的特点，从模式识别和局部控制、全局参与的思想出发，提出了多传感器信息融合方法对结构损伤进行识别。首先应用小波包变换对结构振动测试数据进行特征提取，通过不同传感器特征向量的合成完成数据层融合；然后建立三个耦合神经网络分别实现结构损伤的确认、定位及定量，并完成决策层的信息融合；最后进行了36个损伤工况的结构模型实验研究，验证了所提出的方法是可行的和有效的。从实验验证的结果来看，对损伤率在7．5％以上的结构，损伤识别精度较高；对于损伤确认和损伤定位，识别精度较高，而对于损伤程度识别有一定偏差。     

结构损伤识别的一种反馈岭估计方法

利用含有测量噪声的数据进行结构损伤识别时,经常出现病态最小二乘问题,可能导致计算结果完全失真。为了显著提高计算精度,在岭估计的基础上,进一步提出了一种反馈岭估计方法,以获得精确并具稳定的损伤识别结果。所提的反馈岭估计方法主要分为三个步骤:对结构损伤评估中的线性方程组进行第一次岭估计计算,得到损伤参数的粗略解;根据损伤参数的粗略解,设计一个新的对角矩阵,用于随后的反馈岭估计(即第二次岭估计)计算中;对损伤评估线性方程组进行第二次岭估计计算(即反馈岭估计),最终获得损伤参数的高精度解,据此来对结构中的损伤位置和严重程度进行判定。以一个梁结构作为数值算例,讨论了所提方法在10%噪声水平下的有效性,并把计算结果与普通岭估计和奇异值截断法进行了比较,结果表明:所提反馈岭估计方法大幅度提高了计算精度,即使在10%的噪声水平下,该方法也能获得精度很高的计算结果。     

利用脉冲响应函数识别载荷的时序法

采用了Ｄｕｈａｍｅｌ积分来求解比例阻尼离散结构系统的动态载荷识别问题。使载荷识别这一结构分析反问题变为用正分析方法来处理。在实测自由度数不少于待识别荷载自由度数的前提下，本方法克眼了识别精度受实测信息数目限制的缺点。经实验考证，该方法精度高。算例亦表明，同样的实测信息，本文方法将得到较传统方法［５］～［９］更理想的解答。本文用奇异值分解代替文献［５］～［９］中的最小二乘法。即使系数阵秩亏损，仍可求得最短范数的最小Ｍ乘解。     

应用超定模型识别模态参数的时域方法

本文在文[16]的基础上进一步讨论了应用超定模型,直接根据系统的衰减响应识别结构的模态参数的一般算法;并从数值上对于一些主要方法的识别能力进行了比较.     

用于结构损伤识别的神经网络设计

神经网络已越来越多地被用于基于振动的结构损伤识别,而如何设计了一个高效的用于结构损伤识别的神经网络却还是一个值得研究的问题,本文就结构损伤识别神经网络输入向量选择,网络构造设计等问题进行讨论,并通过数值模拟和实验数据得验证。     

连续系统动态载荷识别的时域方法

本文提出连续系统动态载荷识别的一种时域方法.通过适当变换,将问题归结为求解Volterra型第一类积分方程.在一定的载荷假设条件下,用插值函数将积分方程离散化,即可获得动态载荷时间历程或分布形式的时域识别计算模式.采用数值解法进行的仿真实例及实梁试验表明,方法是有效的.     

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。     

一种现场模态参数识别的时域方法

本文从Prony 法导出适用现场模态参数识别的ITD 方法。利用直接测得自由衰减响应和背景噪声的自、互相关函数,在很宽的噪声条件下获得特征阵的一致估计。通过系数阵的伪秩正交分解以控制病态,并使特征阵降阶,减少求特征问题及甄别“噪声模态”的计算量。从微机分析模拟和实验数据的结果来看,本方法具有较好的应用前景。     

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。     

结构构件时程动力响应分析的半解析DQ法

本文提出了一种半解析DQ法，分析结构构件的时程动力响应。算例表明，半解析解DQ法的结果与解析解的结果非常一致。这种半解析的DQ法，通过引入类似文献[10]的推广的DQ单元，可以应用到较为复杂的结构的时程动力响应的求解。     

单输入和多输入时域模态参数识别法的比较研究

本文利用现代控制论中可控性与可观性理论,从理论和实验两方面对模态参数时域识别法进行了分析和研究,给出了利用时域法能够识别出振动系统所有模态参数的充要条件,并对单输入和多输入识别法进行了比较,指出在重根模态和大阻尼等复杂情形下,多输入识别法拥有单输入识别法所无法比拟的优点。     

动载荷识别时域方法的研究现状与发展趋势

与动态载荷识别的频域方法相比,时域方法不仅适用于线性系统,还适用于非线性系统以及能有效处理瞬态冲击激励的识别问题,近年来时域方法愈发受到学者们的关注。目前广泛应用的几种时域方法主要有-反卷积法、计权加速度法、函数逼近法、卡尔曼滤波器和递归最小二乘法、逆系统法以及新兴的智能方法等等。在对各方法研究现状的概述与总结中,分析了各自的优缺点。从研究对象、研究方法、应用领域三方面分析,非线性系统、线性时变系统将成为分析研究的重点。结论显示,与现代智能算法相结合的逆系统方法将成为新的研究热点,将其相应的载荷识别方法应用于机械设备的故障诊断也将成为今后发展的新趋势。